Xác định biên u gan trong ảnh cộng hưởng từ ổ bụng ba chiều sử dụng thuật toán học nhanh thông tin cục bộ

Xác định biên u gan có thể giúp các bác sĩ theo dõi sự thay đổi kích thước u. Thông tin này được sử dụng để đánh giá hiệu quả điều trị ung thư sử dụng thuốc. Trong bài viết đề xuất sử dụng thuật toán học nhanh thông tin cục bộ để xác định vùng u gan từ ảnh cộng hưởng từ (MR) ổ bụng ba chiều. Trước hết khu vực giới hạn vùng chứa u (ROI) được xác định và thuật toán Fast Marching được dùng để xây dựng tập huấn luyện.
Nội dung trích xuất từ tài liệu:
Xác định biên u gan trong ảnh cộng hưởng từ ổ bụng ba chiều sử dụng thuật toán học nhanh thông tin cục bộKỷ yếu Hội nghị KHCN Quốc gia lần thứ XII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR); Huế, ngày 07-08/6/2019DOI: 10.15625/vap.2019.00070 XÁC ĐỊNH BIÊN U GAN TRONG ẢNH CỘNG HƯỞNG TỪ Ổ BỤNG BA CHIỀU SỬ DỤNG THUẬT TOÁN HỌC NHANH THÔNG TIN CỤC BỘ Lê Trọng Ngọc 1, 2, Hồ Đắc Quán1, 2, Phạm Thế Bảo3, Huỳnh Trung Hiếu1 1 Đại học Công nghiệp TP. HCM 2 Đại học Khoa học Tự nhiên, Đại học quốc gia TP. HCM 3 Đại học Sài Gòn ngoc.le@fulbrightmail.org, hodacquan@iuh.edu.vn, ptbao@hcmus.edu.vn, hthieu@ieee.orgTÓM TẮT: Xác định biên u gan có thể giúp các bác sĩ theo dõi sự thay đổi kích thước u. Thông tin này được sử dụng để đánh giáhiệu quả điều trị ung thư sử dụng thuốc. Trong bài báo này chúng tôi đề xuất sử dụng thuật toán học nhanh thông tin cục bộ để xácđịnh vùng u gan từ ảnh cộng hưởng từ (MR) ổ bụng ba chiều. Trước hết khu vực giới hạn vùng chứa u (ROI) được xác định và thuậttoán Fast Marching được dùng để xây dựng tập huấn luyện. Tập huấn luyện này được sử dụng để học thông qua mạng neural vớithuật toán học nhanh và từ đó xác định vùng u gan xấp xỉ. Biên của vùng u gan xấp xỉ này sẽ được tinh chỉnh sử dụng thuật toánGeodesic Active Contour (GAC). Tiếp cận này được thực nghiệm trên tập ảnh MR ổ bụng ba chiều bao gồm 14 u gan. Hiệu quả củaphương pháp được đánh giá bằng cách so sánh với tiêu chuẩn vàng (biên u gan được xác định bởi chuyên gia). Tỷ lệ vùng u gan bịxác định sai RAVD (Relative Absolute Volume Difference) là 13,35±7,19 %. Hệ số Dice đo tỷ lệ vùng u gan được xác định chính xáclà 85,11±3,60 %. Khoảng cách trung bình giữa bề mặt biên u gan và tiêu chuẩn vàng ASSD (Average Symmetric Surface Distance)là 0,70±0,20 mm. Khoảng cách xa nhất giữa bề mặt u gan và tiêu chuẩn vàng sử dụng khoảng cách Hausdorff là 4,99±1,84 mm.Từ khóa: MR image, liver volumetry, Fast Marching, ELM. I. GIỚI THIỆU Xác định biên u gan đóng vai trò quan trọng trong việc hỗ trợ bác sĩ phẫu thuật hoặc theo dõi thay đổi kíchthước u gan trong qua trình điều trị ung thư gan sử dụng thuốc. Các bác sĩ xác định biên u gan được thực hiện thủ côngtrên từng lát cắt (slice) của ảnh cắt lớp vi tính (CT) hoặc ảnh cộng hưởng từ (MR) ổ bụng ba chiều. Việc xác định biênđòi hỏi nhiều thời gian và độ chính xác của biên gan phụ thuộc vào kinh nghiệm, kiến thức của người thực hiện. Việcphát triển một phương pháp xác định biên u gan với sự hỗ trợ của máy tính thực sự cần thiết để nâng cao hiệu quả điềutrị cũng như tiết kiệm thời gian cho các bác sĩ. (a) Lát cắt 29 (b) Lát cắt 33 (c) Lát cắt 35 Hình 1. Ba trong 56 lắt cắt của ảnh MR ổ bụng ba chiều một bệnh nhân ung thư gan Với bề dày của việc sử dụng ảnh CT trong chẩn đoán và điều trị ung thư gan, nhiều phương pháp xác định biênu gan trong ảnh CT đã được công bố. Trên cùng tập dữ liệu của MICCAI 2008, các công bố có kết quả tốt nhất sử dụngkỹ thuật máy học như SVM trong công bố của Zhou và cộng sự [1], AdaBoost trong công bố của Shimizu và cộng sự[2]. AdaBoost cũng được Daniel Pescia sử dụng để xác định biên u gan ác tính [3]. Kumar và cộng sự đề xuất một cảitiến của fuzzy c-mean (FCM) ứng dụng vào trích xuất u gan [4]. Thông tin FCM được Li và cộng sự sử dụng ướclượng xác suất điểm ảnh thuộc u gan, từ đó xây dựng hàm tốc độ cho các thuật toán tập đồng mức [5]. Suy diễn dựatrên xác suất cũng được Qi và cộng sự sử dụng kết hợp với các thuật toán loang (region growing) [6]. Gần đây kỹ thuậthọc sâu được sử dụng ngày càng phổ biến trong các bài toán phân đoạn ảnh y khoa, bao gồm xác định biên u gan [7]. Các công bố trên cung cấp các phương pháp có ý nghĩa và giải quyết được sự phân bổ mức xám phức tạp trongu gan, biên mờ và nhập nhằng của u. Tuy nhiên vẫn còn dựa trên giả định vùng gan ngoài u đồng nhất, mức xám giữacác lát cắt liền kề tương đồng và không có sự thay đổi phân bổ mức xám nhiều giữa các ảnh CT ổ bụng. Những giảđịnh này thường không phù hợp trong ảnh MR ổ bụng. Các phương pháp sử dụng máy học cho kết quả tốt hơn nhưngđòi hỏi tập huấn luyện lớn. Vì thế so với CT, việc xác định biên u gan trong ảnh MR ổ bụng khó hơn và còn ít công bố[8, 9]. Đây là bài toán mở còn thách thức các nhà khoa học trong nhiều năm. Bài báo này sử dụng thuật toán huấn luyện không lặp cho mạng neural truyền thẳng một lớp ẩn để học nhanh thôngtin cục bộ của u gan cần xác định biên. Trước hết một vùng tro ...