Tổng hợp hình ảnh y học MRI và PET

Tổng hợp hình ảnh y học là quá trình trích xuất các đặc điểm nổi bật từ các hình ảnh y học và kết hợp chúng bằng một thuật toán thích hợp. Bài viết Tổng hợp hình ảnh y học MRI và PET trình bày các nội dung sau: Biến đổi Haar; Giải thuật tối ưu hóa bầy đàn.
Nội dung trích xuất từ tài liệu:
Tổng hợp hình ảnh y học MRI và PET Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8 TỔNG HỢP HÌNH ẢNH Y HỌC MRI VÀ PET Đinh Phú Hùng Trường Đại học Thủy lợi, email: hungdp@tlu.edu.vn1. GIỚI THIỆU được tăng cường bởi các các kĩ thuật xử lý ảnh cơ bản như tăng cường Histogram (giúp Tổng hợp hình ảnh y học là quá trình trích tăng độ tương phản), dò biên Canny (giúpxuất các đặc điểm nổi bật từ các hình ảnh y tìm đường biên của ảnh), lọc nhiễu bằnghọc và kết hợp chúng bằng một thuật toán trung vị (giúp giảm nhiễu cho ảnh). Sau đó,thích hợp. Ảnh cộng hưởng từ MRI giải thuật tối ưu PSO (Particle swarm(Magnetic Resonance Imaging) cung cấp các optimization) được sử dụng để tìm ra các hệthông tin chi tiết về giải phẫu cũng như các số tối ưu cho các hình ảnh đó với hàm mụcthành phần mô. Ngược lại, chụp cắt lớp phát tiêu là hàm chỉ số tương phản Michelson.xạ PET (Positron Emission Tomography) có Hình ảnh tăng cường thu được dựa trên tổngđộ phân giải thấp hơn so với ảnh cộng hưởng của các hình ảnh tạm thời nhân với các hệ sốtừ MRI nhưng nó miêu tả các mô phân tử và tối ưu tìm được tương ứng. Cuối cùng hìnhhoạt động bệnh lý mà ảnh MRI không có. ảnh tăng cường sẽ được kết hợp với các kênhViệc tổng hợp hai hình ảnh này đóng vai trò H và S để chuyển về miền RGB. Thựcquan trọng trọng các ứng dụng y học như nghiêm cho thấy, phương pháp đề xuất nàychuẩn đoán bệnh. Trên thực tế, một số có thể giúp cải thiện độ tương phản, loại bỏphương pháp tiếp cận giải bài toán này như nhiễu và làm sắc nét đường biên cho hìnhsử dụng không gian màu IHS kết hợp với ảnh tổng hợp.biến đổi DWT hoặc PCA [1] gặp phải cácvấn đề là hình ảnh tổng hợp thu được có thể 2. KIẾN THỨC NỀN TẢNGbị nhiễu và mất thông tin. Để giải quyết vấnđề, bài báo này đề xuất một phương pháp 2.1. Biến đổi Haarmới để cải thiện những vấn đề gặp phải ở Là một phương pháp cơ bản để biến đổitrên. Phương pháp này gồm hai giai đoạn: ảnh thành các thành phần miền số thấp vàgiai đoạn thứ nhất là tổng hợp hình ảnh và cao. Ở cấp độ biến đổi thứ nhất, phép biếngiai đoạn thứ hai là tăng cường chất lượng đổi Haar sẽ biến đổi ảnh thành 4 thành phầncho hình ảnh tổng hợp. Trong giai đoạn thứ LL, LH, HL và HH. Các thành phần nàynhất, việc tổng hợp hình ảnh này tương tựnhư cách Sawant SD [1] và các đồng nghiệp thường được sử dụng trong quá trình tổngđã đề xuất. Ảnh màu chụp cắt lớp phát xạ hợp ảnh.PET được chuẩn hóa về miền [0, 1] và 2.2. Giải thuật tối ưu hóa bầy đànchuyển đổi sang miền IHS, các kênh H và Sđược giữ nguyên. Tiếp theo, kênh I và hình Phương pháp PSO được đề xuất bởi J.ảnh cộng hưởng từ MRI được biến đổi Haar Kennedy [2] và đồng nghiệp. Phương phápđể thu được các thành phần trên miền tần số này khởi tạo bằng một nhóm cá thể ngẫusau đó được tổng hợp lại với nhau theo một nhiên và sau đó tìm nghiệm tối ưu bằng cáchquy tắc cụ thể và được biến đổi Haar ngươc cập nhật các thế hệ. Trong mỗi thế hệ, mỗi cáđể thu được hình ảnh tổng hợp. Trong giai thể được cập nhật theo hai vị trí tốt nhất làđoạn thứ hai, từ hình ảnh tổng hợp thu được và . Trong đó, giá trị thứ nhất là vịtiến hành tạo ra các hình ảnh tạm thời mà nó trí tốt nhất mà nó đã từng đạt được cho tới 145Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8thời điểm hiện tại, gọi là . Một nghiệm 2.3.3. Nội dung thông tintối ưu khác mà cá thể này bám theo là Nội dung thông tin diễn tả lượng thôngnghiệm tối ưu toàn cục , đó là vị trí tốt điệp mà bức ảnh chứa trong đó. Thông số nàynhất trong cả quá trình tìm kiếm cả quần thể còn được gọi là entropy và được tính bằngtừ trước tới t ...