›

Đồ án Tìm hiểu phương pháp phân đoạn ảnh y học - Ngô Huy Chương

pdf 70 trang huongle 1500
Download
Bạn đang xem 20 trang mẫu của tài liệu "Đồ án Tìm hiểu phương pháp phân đoạn ảnh y học - Ngô Huy Chương", để tải tài liệu gốc về máy bạn click vào nút DOWNLOAD ở trên

Tài liệu đính kèm:

  • pdfdo_an_tim_hieu_phuong_phap_phan_doan_anh_y_hoc_ngo_huy_chuon.pdf

Nội dung text: Đồ án Tìm hiểu phương pháp phân đoạn ảnh y học - Ngô Huy Chương

  1. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC DÂN LẬP HẢI PHÒNG o0o ĐỒ ÁN TỐT NGHIỆP Ngành công nghệ thông tin HẢI PHÒNG - 2012
  2. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC DÂN LẬP HẢI PHÒNG o0o TÌM HIỂU PHƢƠNG PHÁP PHÂN ĐOẠN ẢNH Y HỌC ĐỒ ÁN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY Ngành: Công nghệ Thông tin HẢI PHÒNG - 2012
  3. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC DÂN LẬP HẢI PHÒNG o0o TÌM HIỂU PHƢƠNG PHÁP PHÂN ĐOẠN ẢNH Y HỌC ĐỒ ÁN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY Ngành: Công nghệ Thông tin Sinh viên thực hiện: Ngô Huy Chƣơng Giáo viên hƣớng dẫn: PGS. TS. Ngô Quốc Tạo Mã số sinh viên: 121412 HẢI PHÒNG - 2012
  4. BỘ GIÁO DỤC VÀ ĐÀO TẠO CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƢỜNG ĐẠI HỌC DÂN LẬP HẢI PHÒNG Độc lập – Tự do – Hạnh phúc o0o NHIỆM VỤ THIẾT KẾ TỐT NGHIỆP Sinh viên: Ngô Huy Chƣơng Mã số sinh viên: 121412 Lớp: CT1201 Ngành: Công nghệ Thông tin Tên đề tài: Tìm hiểu phƣơng pháp phân đoạn ảnh y học
  5. NHIỆM VỤ ĐỀ TÀI 1. Nội dung và các yêu cầu cần giải quyết trong nhiệm vụ đề tài tốt nghiệp a. Nội dung: Tổng quan về xử lý ảnh và ảnh Y học. Mục đích giới thiệu các giai đoạn cơ bản trong xử lý ảnh. Chẩn đoán Y học Một số kỹ thuật phân đoạn ảnh Y học. Xây dựng chƣơng trình thử nghiệm. b.Các yêu cầu cần giải quyết 2. Các số liệu cần thiết để thiết kế, tính toán 3. Địa điểm thực tập
  6. CÁN BỘ HƢỚNG DẪN ĐỀ TÀI TỐT NGHIỆP Ngƣời hƣớng dẫn thứ nhất: Họ và tên: Ngô Quốc Tạo Học hàm, học vị: Phó giáo sƣ, Tiến sĩ Cơ quan công tác: Viện Công nghệ thông tin, Viện Khoa học và Công nghệ Việt Nam. Nội dung hƣớng dẫn: Phân đoạn ảnh dựa trên phƣơng pháp phát hiện biên Ngƣời hƣớng dẫn thứ hai: Họ và tên: Học hàm, học vị: Cơ quan công tác: Nội dung hƣớng dẫn: Đề tài tốt nghiệp đƣợc giao ngày 27 tháng 08 năm 2012 Yêu cầu phải hoàn thành trƣớc ngày 30 tháng 11 năm 2012 Đã nhận nhiệm vụ: Đ.T.T.N Đã nhận nhiệm vụ: Đ.T.T.N Sinh viên Cán bộ hƣớng dẫn Đ.T.T.N Hải phòng, ngày .tháng .năm 2012 HIỆU TRƢỞNG GS.TS.NGƢT Trần Hữu Nghị
  7. PHẦN NHẬN XÉT TÓM TẮT CỦA CÁN BỘ HƢỚNG DẪN 1. Tinh thần thái độ của sinh viên trong quá trình làm đề tài tốt nghiệp: 2. Đánh giá chất lƣợng của đề tài tốt nghiệp (so với nội dung yêu cầu đã đề ra trong nhiệm vụ đề tài tốt nghiệp) . 3. Cho điểm của cán bộ hƣớng dẫn: (Điểm ghi bằng số và chữ) Ngày tháng năm 2012 Cán bộ hƣớng dẫn chính (Ký, ghi rõ họ tên)
  8. PHẦN NHẬN XÉT ĐÁNH GIÁ CỦA CÁN BỘ CHẤM PHẢN BIỆN ĐỀ TÀI TỐT NGHIỆP 1. Đánh giá chất lƣợng đề tài tốt nghiệp (về các mặt nhƣ cơ sở lý luận, thuyết minh chƣơng trình, giá trị thực tế, ) 2. Cho điểm của cán bộ phản biện (Điểm ghi bằng số và chữ) Ngày .tháng .năm 2012 Cán bộ chấm phản biện (Ký, ghi rõ họ tên)
  9. LỜI CẢM ƠN Để hoàn thành đồ án này, em xin tỏ lòng biết ơn sâu sắc đến PGS.TS. Ngô Quốc Tạo, đã tận tình hƣớng dẫn em trong suốt quá trình làm đồ án tốt nghiệp. Em cũng xin chân thành cảm ơn quý Thầy, Cô trong khoa Công Nghệ Thông Tin trƣờng Đại Học Dân Lập Hải Phòng đã tận tình truyền đạt kiến thức trong suốt những năm em học tập tại trƣờng .Với vốn kiến thức đƣợc tiếp thu trong quá trình học không chỉ là nền tảng cho quá trình nghiên cứu đồ án mà còn là hành trang quí báu để em bƣớc vào đời một cách vững chắc và tự tin. Em cũng thầm biết ơn sự ủng hộ của gia đình, bạn bè – những ngƣời thân yêu luôn là chỗ dựa vững chắc cho em. Cuối cùng, em xin kính chúc quý Thầy, Cô và gia đình dồi dào sức khỏe và thành công trong sự nghiệp cao quý. Hải Phòng , ngày 21 tháng 11 năm 2012 Sinh viên thực hiện Ngô Huy Chƣơng
  10. 1 MỤC LỤC CHƢƠNG I: GIỚI THIỆU VỀ XỬ LÝ ẢNH, ẢNH Y HỌC VÀ CHẨN ĐOÁN Y HỌC 8 I. TỔNG QUAN VỀ XỬ LÝ ẢNH 9 1. Giới thiệu về xử lý ảnh 9 2. Quá trình xử lý ảnh. 9 3. Một số khái niệm cơ bản. 11 3.1. Điểm ảnh - PixeL 11 3.2. Mức xám - Gray level 11 3.3. Biên. 12 3.4.Láng giềng. 12 3.5. Vùng liên thông. 12 3.6. Biểu diễn ảnh. 12 3.7. Tăng cƣờng và khôi phục ảnh. 12 3.8. Biến đổi ảnh. 13 3.9. Phân tích ảnh. 13 3.10. Nhận dạng ảnh. 13 3.11. Nén ảnh. 13 4. Các định dạng cơ bản trong xử lý ảnh 13 II. ẢNH Y HỌC 14 1. Giới thiệu. 14 1.1. Chẩn đoán dựa trên hình ảnh. 14 1.2. Một số các chuẩn hình ảnh ứng dụng trong y tế. 15 1.3. Trợ giúp chẩn đoán, điều trị và đào tạo chỉnh hình từ xa cho tuyến trƣớc. 16 2. Chuẩn PACS. 16 2.1. Giới thiệu chung. 16 2.2. Kĩ thuật Web. 18 3. Chuẩn DICOM 19 3.1. DICOM 19 3.2. Chuẩn DICOM 19 3.2.1. Giới thiệu chung 19 3.2.2. Chuẩn DICOM 20 III. CHẨN ĐOÁN Y HỌC. 24 1. Một số kiến thức cơ bản. 24
  11. 2 1.1.Nguyên lý tạo hình 24 1.2.Tạo hình. 24 1.3.Trị số đậm độ 25 1.4.Thay đổi đậm độ 26 1.5.Độ dày lát cắt và khoảng cách lát cắt 26 1.6. Hình định vị 27 2.Chẩn đoán hình ảnh. 27 2.1. X- Quang chẩn thƣơng sọ não 27 2.2. X- quang giải phẫu tuyến vú 31 3. Tiêu chuẩn đánh giá độ chính xác. 33 3.1: Độ nhạy (sensitivity) 33 3.2: Độ đặc trƣng(specificity) 33 3.3: Tỉ lệ vùng bệnh đƣợc phân lớp đúng 34 3. 4. Tỉ tệ vùng bình thƣờng đƣợc phân lớp đúng 34 CHƢƠNG II: MỘT SỐ PHƢƠNG PHÁP PHÂN ĐOẠN ẢNH Y HỌC 34 I.TỔNG QUAN VỀ PHÂN ĐOẠN ẢNH. 34 II.MỘT SỐ PHƢỚNG PHÁP PHÂN ĐOẠN ẢNH Y HỌC. 35 1. Phân đoạn giựa vào ngƣỡng biên độ 35 1.1. Giới thiệu 35 1.2.Chọn ngƣỡng cỗ định. 36 1.3.Chọn ngƣỡng dựa trên lƣợc đồ (Histogram) 36 1.3.1.Thuật toán đẳng liệu 36 1.3.2.Thuật toán đối xứng nền 37 1.3.3.Thuật toán tam giác. 37 1.3.4. Chọn ngƣỡng đối với Bimodal Histogram 38 2. Phân đoạn dựa trên cơ sở vùng 39 2.1: Giới thiệu 39 2.2. Cộng thức cơ bản 39 2.3. Tăng vùng 40 2.4. Chia và chọn vùng 41 3. Phân đoạn theo miền đồng nhất 43 3.1. Giới thiệu. 43 3.2. Phƣơng pháp tách cây tứ phân. 44 3.3. Phƣơng pháp phân vùng hợp 45
  12. 3 3.4. Phƣơng pháp tách hợp (Split- Meger) 46 4. Phân đoạn ảnh dựa vào đồ thị. 46 4.1. Giới thiệu. 47 4.2.Phân đoạn dựa vào đồ thị. 47 4.3.Tính chất của so sánh cặp miền. 48 4.4. Thuật toán và các tinh chất 49 4.3.1.Định nghĩa 49 4.3.2.Định nghĩa 2 49 4.3.3.Tinh chất 49 4.3.4. Thuật toán 50 CHƢƠNG III: CÀI ĐẶT CHƢƠNG TRÌNH THỬ NGHIỆM 51 1.Giới thiệu bài toán 51 2. Giao diện chính của chƣơng trình 51 Tài liệu tham khảo 53 Tài liệu Tiếng Việt 53 Tài liệu Tiếng Anh 53 PHỤ LỤC A: BỆNH HỌC 54 A.l Tụ máu (lƣới màng cứng (Subdural Hematoma/SDH) 54 A.2 Tụ máu ngoài màng cứng (Epidural Hematoma/EDH) 54 A.3 Xuất huyết khoang dƣới nhện (subarachnoid hemorrhage) 55 A.4 Xuất huyết trong não thất (intraventricular hemorrhage) 56 A.5 Tụ máu trong não (intracerebral hematoma) 57 PHỤ LỤC B: MỘT SỐ HÌNH ẢNH MINH HỌA GIẢI PHẪU CT NÃO 57
  13. 4 DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT TT Tên viết tắt Tên tiếng anh Định nghĩa 1. PACS Picture Archiving and Hệ thống lƣu trữ và truyền ảnh Communication System 2. DICOM Digital imaging and Số hóa và truyền ảnh y tế Communicationsin Medicine 3. www World Wide Web Mạng toàn câu 4. HTTP Hypertext Transfer Protocol Giao thức truyền văn bản siêu liên kết 5. CT ComputedTomography Scanner Chụp cằt lớp điện toán 6. HU Hounsfield Đậm độ
  14. 5 DANH MỤC CÁC HÌNH VẼ Hình 1.1 : Quá trình xử lý ảnh Hình 1.2: Quá trình xử lý ảnh Hình 1.3: Một số hình ảnh y học Hình 1.4: Mô hình PACS Hình 1.5: Kiến trúc PACS điẻn hình cho hiển thị ảnh dựa trên Web Hình 1.6: Cấu tạo Data Set Hình 1.8: Phần tử thể tích(voxel) Hình 1.9: Hình định vị(topogram) Hình 1.10: Cấu trúc liên quan sọ - màng não – nhu mô não Hình 1.11: Tổn thƣơng phần mềm hộp sọ Hình 1.12: Tổn thƣơng xƣơng hộp sọ Hình 1.13: Tụ máu ngoài màng cứng Hình 1.14: Tụ máu dƣới màng cứng Hình 1.15: Tụ máu dƣới màng cứng mãn Hình 1.16: Tuyến vú Hình 1.17: Đánh giá mật độ tuyến vú Hình 1.18: Độ đặc của tuyến vú Hình 1.19: Phân vùng tuyến vú Hình 2.1: Minh họa thuật toán đối xứng nền Ình 2.2: Minh họa thuật toán tam giác Hình 2.3: Bimodal Histogram Hình 2.4: Tăng vùng Hình 2.5: Histogram của 3.4 Hình 2.6: a, Hình đƣợc chia cắt ; b,Cây quan hệ tƣơng ứng Hình 2.7: Kết quả sau khi phân ngƣỡng Hình 2.8: Minh họa thuật toán cây tứ phân Hình 2.9: Nhận dạng các vùng ảnh Hình 3.1: Giao diện chƣơng trình 1
  15. 6 Hình 3.2: Giao diện chƣơng trình 2 Hình A.1: Tụ máu dƣới màng cứng Hình A.2: Tụ máu ngoài màng cứng Hình A.3: Xuất hueets khoang dƣới nhện Hình A.4: Xuất huyết trong não thất Hình A.5: Tụ máu trong não Hình B.1: Minh họa giải phẫu CT não Hình B.2 : Minh họa giải phẫu CT não Hình B.3: Giải phẫu CT não đơn giản Hình B.4: Giải phẫu CT não đơn giản Hình B.5: Giải phẫu CT não đơn giản Hình B.6: Giải phẫu CT não đơn giản Hình B.7: Giải phẫu CT não đơn giản
  16. 7 MỞ ĐẦU Những năm gần đây việc xử lý ảnh số ngày càng đƣợc nhiều ngƣời quan tâm, một phần là do sự phát triển nhanh chóng của các thiết bị đồ họa cũng nhƣ dung lƣợng của các thiết bị lƣu trữ ngày càng tăng nhanh. Đó cũng chính là những nhân tố tích cực thúc đẩy nghiên cứu các ứng dụng thực tế từ công nghệ xử lý ảnh. Trong xã hội loài ngƣời, ngôn ngữ là một phƣơng tiện trao đổi thông tin phổ biến trong quá trình giao tiếp. Bên cạnh ngôn ngữ, hình ảnh cũng là một cách trao đổi thông tin mang tính chính xác, biểu cảm khá cao và đặc biệt không bị cảm giác chủ quan của đối tƣợng giao tiếp chi phối. Thông tin trên hình ảnh rất phong phú, đa dạng và có thể xử lý bằng máy tính. Chính vì vậy, trong những năm gần đây sự kết hợp giữa ảnh và đồ hoạ đã trở nên rất chặt chẽ trong lĩnh vức xử lý thông tin. Phƣơng pháp biến đổi ảnh đƣợc sử dụng trong việc xử lý các ảnh chụp từ không trung (chƣơng trình đo đạc từ máy bay, vệ tinh và từ các ảnh vũ trụ) hoặc xử lý các ảnh trong Y học (ảnh siêu âm, ảnh chụp Cắt lát, vv )- Một ứng dụng khác của biến đổi ảnh đó là mã hóa ảnh, trong đó các ảnh đƣợc xử lý để lƣu trữ hoặc truyền đi. Đặc biệt đối với ảnh Y học thƣờng chụp các bộ phận bên trong cơ thể ngƣời bằng các thiết bị chuyên dụng nhƣ máy X-Quang chụp hộp sọ, máy chụp cắt lớp vi tính, máy chụp cộng hƣởng từ, máy chụp mạch não nên ảnh thƣờng không rõ, không sắc nét gây khó khăn cho các chuyên gia y học trong việc chần đoán bệnh. Mặc dù các thiết bị y tế với công nghệ ngày càng nâng cao để hỗ trợ cho các chuyên gia y tế phân tích và xử lý thông tin từ ảnh nhƣng vấn đề đặt ra cần phải giải quyết song song là việc nâng cao chất lƣợng ảnh,đây là một khâu quan trọng đƣợc coi là bƣớc tiền xử lý cho bƣớc tiếp theo là phân đoạn ảnh y học. Các phƣơng pháp nhận dạng ảnh đƣợc sử dụng trong Y học nhƣ xử lý tế bào, nhiễm sắc thể. Thực chất của công việc nhận dạng chính là sự phân loại đối tƣợng thành các lớp đối tƣợng đã biết hoặc thành những lớp đối tƣợng chƣa biết. Bài toán nhận dạng ảnh Y học là một bài toán có rất nhiều ý nghĩa thực tiễn và ta có thể thấy rằng để công việc nhận dạng trở nên dễ dàng thì ảnh phải đƣợc tách thành các đối tƣợng liêng biệt, đây là mục đích chính của bài toán phân đoạn ảnh. Nếu phân đoạn ảnh không tốt sẽ dẫn đến sai lầm trong quá trình nhận dạng ảnh, bởi vậy công đoạn phân đoạn ảnh là quá trình then chốt trong quá trình xử lý ảnh nói chung. Chính vì những lý do trên mà em mong muốn tìm hiểu, đánh giá các phƣơng pháp đã có để đi tìm lời giải cho bài toán đã nêu trên chính là nội dung của đề tài “Tìm hiểu phƣơng pháp phân đoạn ảnh trong Y học” mà em nghiên cứu. Trên cơ sở các nghiên cứu đó, em thử nghiệm một phƣơng pháp cụ thể để xây dựng một chƣơng trình phân đoạn ảnh Ngoài phần mở đầu và kết luận, đồ án đƣợc chia làm 3 chƣơng, cụ thể nội dung các chƣơng nhƣ sau:
  17. 8 - Chƣơng I: Giới thiệu về xử lý ảnh, ảnh Y học và chẩn đoán Y học. - Chƣơng II: Một số kỹ thuật phân đoạn ảnh Y học. ứng dụng trong phân đoạn ảnh. - Chƣơng III: Xây dựng chƣơng trình thử nghiệm Khi viết báo cáo này em đã cố gẳng hết sức để hoàn thành công việc được giao, song điều kiện thời gian và năng lực còn hạn chế nên không tránh khỏi thiếu sót. Em mong nhận được sự góp ý của thầy giáo hướng dẫn, thầy cô giáo trong khoa Công nghệ thông tin để em có được những kinh nghiệm thực tế và bổ ích để sau này có thể xây dựng được một chương trình hoàn thiện hơn.
  18. 9 CHƢƠNG I: GIỚI THIỆU VỀ XỬ LÝ ẢNH, ẢNH Y HỌC VÀ CHẨN ĐOÁN Y HỌC Xử lý ảnh ngày nay đã trở thành một ngành khoa học lớn và có mặt trong nhiều lĩnh vực của cuộc sổng. Điều này hoàn toàn có thể lý giải đƣợc từ một định nghĩa đơn giản về ngành khoa học này: Xử lỷ ảnh là ngành khoa học nghiên cứu các quá trình xử lý thông tin dạng hình ảnh, mà hình ảnh là một trong những dạng thông tin phong phú nhất đối vời chủng ta. Trong quá trình xử lý ảnh bƣớc quan trọng nhất và cũng là khó khăn nhất là bƣớc phân đoạn ảnh. Phân đoạn nhằm mục đích phân tách các đối tƣợng cấu thành nên ảnh thô để cỏ thể sử dụng cho các ứng dụng về sau. I. TỔNG QUAN VỀ XỬ LÝ ẢNH 1. Giới thiệu về xử lý ảnh Xử lý ảnh là một lĩnh vực mang tính khoa học và công nghệ. Nó là một ngành khoa học mới mẻ so với nhiều ngành khoa học khác nhƣng tốc độ phát triển, của nó rất nhanh, kích thích các trang tâm nghiên cứu, ứng dụng, đặc biệt là máy tính chuyên dụng riêng cho nó. Các phƣơng pháp xử lý ảnh bắt đầu từ các ứng dụng chính: nâng cao chất lƣợng ảnh, phân đoạn ảnh và phân tích ảnh. Ứng dụng đầu tiên đƣợc biết đến là nâng cao chất lƣợng ảnh báo đƣợc truyền qua cáp từ Luân Đôn đến New York từ những năm 1920. Vấn đề nâng cao chất lƣợng ảnh có liên quan tới phân bố mức sáng và độ phân giải của ảnh. Việc nâng gao chất lƣợng ảnh đƣợc phát triển vào khoảng những năm 1955. Điều này có thể giải thích đƣợc vì sau thế chiến thứ hai, máy tính phát triển nhanh tạo điều kiện cho quá trình xử lý ảnh số thuận, lợi. Năm 1964, máy tính đã có khả năng xử lý và nâng cao chất lƣợng ảnh từ mặt trăng và vệ tinh Ranger 7 của Mỹ bao gồm: làm nổi đƣờng biên, lƣu ảnh. Từ năm 1964 đến nay, các phƣơng tiện xử lý, nâng cao chất lƣợng, phân đoạn, ảnh, nhận dạng ảnh phát triển không ngừng. Để dễ tƣởng tƣợng, xét các bƣớc cần thiết trong xử lý ảnh. Đầu tiên, ảnh tự nhiên từ thế giới ngoài đƣợc thu nhận qua các thiết bị thu (nhƣ Camera, máy chụp ảnh). Trƣớc đây, ảnh thu qua Camera là các ảnh tƣơng tự (loại Camera ống kiểu CCIR). Gần đây, với sự phát triển, của công nghệ, ảnh màu hoặc đen trắng đƣợc lấy ra từ Camera, sau đó nó đƣợc chuyển trực tiếp thành ảnh số tạo thuận lợi cho xử lý tiếp theo. (Máy ảnh số hiện nay là một thí dụ gần gũi). Mặt khác, ảnh cũng có thể tiếp nhận từ vệ tinh, có thể quét từ ảnh chụp bằng máy quét ảnh. 2. Quá trình xử lý ảnh. Quá trình xử lý ảnh đƣợc xem nhƣ là quá trình thao tác ảnh đầu vào nhằm cho ra kết quả mong muốn. Kết quả đầu ra của một quá trình xử lý ảnh có thể là một ảnh “ tốt hơn” hoặc một kết luận.
  19. 10 Hình 1.1: Quá trình xử lý ảnh Ảnh trong xử lý ảnh có thể xem nhƣ ảnh n chiều. Bởi vì, ảnh có thể xem là tập hợp các điểm ảnh. Trong đó, mỗi điểm ảnh đƣợc xem nhƣ là đặc trƣng cƣờng độ sáng hay một dấu hiệu nào đó tại một vị trí nào đó của đối tƣợng trong không gian và do đó nó có thể xem nhƣ một hàm n biến P (c1,c2, ,cn). Quá trình xử lý ảnh có thể đƣợc mô tả bằng Sơ đồ sau: Hình 1.2: quá trình xử lý ảnh Thu nhận ảnh: Đây là công đoạn đầu tiên mang tính quyết định đối với quá trình xử lý ảnh. Ảnh đầu vào sẽ đƣợc thu nhận qua các thiết bị nhƣ camera, sensor, máy quét và sau đó các tín hiệu này sẽ đƣợc số hóa. Các thông số quan trọng ở bƣớc này là độ phân giải, chất lƣợng màu, dung lƣợng bộ nhớ và tốc độ thu nhận ảnh của các thiết bị. Tiền xử lý: ở bƣớc này ảnh sẽ đƣợc cải thiện về độ tƣơng phản, khử nhiễu, khử bóng, khử độ lệch, vv với mục đích làm cho chất lƣợng ảnh trở nên tốt hơn và thƣờng đƣợc thực hiện bởi các bộ lọc. Phân đoạn ảnh: Phân đoạn ảnh là bƣớc then chốt trong xử lý ảnh, giai đoạn này nhằm phân tích ảnh thành những thành phần có cùng tính chất nào đó, dựa theo biên hay các vùng liên thông. Tiêu chuẩn để xác định các vùng liên thông có thể là cùng màu, cùng mức xám hay cùng độ nhám. Mục đích của phân đoạn ảnh là để có một miêu tả tổng hợp từ nhiều phần tử khác nhau cấu tạo nên ảnh thô. Vì lƣợng thông tin chứa trong ảnh rất lớn, trong khi đó trong đa số các ứng dụng chúng ta chỉ cần trích chọn một vài đặc trƣng nào đó, do vậy cần có một quá trình để giảm lƣợng thông tin khổng lồ ấy. Quá trình này bao gồm phân vùng ảnh và trích chọn đặc tính chủ yếu. Biểu diễn và mô tả ảnh: Kết quả của bƣớc phân đoạn ảnh thƣờng đƣợc cho dƣới dạng dữ liệu điểm ảnh thô, trong đó hàm chứa biên của một vùng ảnh, hoặc tập hợp các điểm ảnh thuộc về chính vùng ảnh đó. Trong cả hai trƣờng hợp sự chuyển đổi dữ liệu
  20. 11 thô này thành một dạng thích hợp hơn cho việc xử lý trong máy tính là rất cần thiết. Để chuyển đổi chúng, câu hỏi đầu tiên cần phải trả lời là nên biểu diễn một vùng ảnh dƣới dạng biên hay dƣới dạng một vùng hoàn chỉnh gồm tất cả những điểm ảnh thuộc về nó. Biểu diễn dạng biên cho một vùng phù hợp với những ứng dụng chỉ quan tâm chủ yếu đến các đặc trƣng hình dạng bên ngoài của đối tƣợng, ví dụ nhƣ các góc cạnh và điểm uốn trên biên. Biểu diễn dạng vùng lại thích hợp cho những ứng dụng khai thác các tính chất bên trong của đối tƣợng, ví dụ nhƣ vân ảnh hay cấu trúc xƣơng của nó. Sự chọn lựa cách biểu diễn thích hợp cho một vùng ảnh chỉ mới là một phần trong việc chuyển đổi dữ liệu ảnh thô sang một dạng thích hợp hơn cho những xử lý về sau. Chúng ta còn phải đƣa ra một phƣơng pháp mô tả dữ liệu đã đƣợc chuyến đổi đó sao cho những tính chất cần quan tâm đến sẽ đƣợc làm nổi bật lên, thuận tiện cho việc xử lý chúng. Nhận dạng và nội suy: Đây là bƣớc cuối cùng trong quá trình xử lý ảnh. Nhận dạng ảnh có thể đƣợc nhìn nhận một cách đơn giản là việc gán nhãn cho các đối tƣợng trong ảnh. Nội suy là công đoạn gán nghĩa cho một tập các đối tƣợng đã đƣợc nhận biết. Chúng ta có thể thấy rằng, không phải bất kỳ một ứng dụng xử lý ảnh nào cũng bắt buộc phải tuân theo các bƣớc xử lý đã nêu ở trên, ví dụ nhƣ các ứng dụng chỉnh sửa ảnh nghệ thuật chỉ dừng lại ở bƣớc tiền xử lý. Một cách tổng quát thì những chức năng xử lý bao gồm cả nhận dạng và nội suy thƣờng chỉ có mặt trong hệ trống phân tích ảnh tự động hoặc bán tự động, đƣợc dùng để rút trích ra những thông tin quan trọng từ ảnh, ví dụ nhƣ các ứng dụng nhận dạng kí tự quang học, nhận dạng chữ viết tay. 3. Một số khái niệm cơ bản. 3.1. Điểm ảnh - PixeL Ảnh trong thực tế là một ảnh liên tục về không gian và về giá trị độ sáng. Để có thể xử lý ảnh bằng máy tính cần phải tiến hành số hoá ảnh. Trong quá trình số hoá, người ta biến đổi tín hiệu liên tục sang tín hiệu rời rạc thông qua quá trình lấy mẫu (lời rạc hoá về không gian) và lượng hoá thành phần giá trị mà về nguyên tắc bằng mắt thường không phân biệt được hai điểm kề nhau. Trong quá trình này người ta sử dụng khái niệm Picture element mà ta quen gọi là Pixel –điểm ảnh. Điểm ảnh được xem như là dấu hiệu hay cường độ sang tại một tọa độ trong không gian của đối tượng. Như vậy, một ảnh. là một tập hợp các Pixel. 3.2. Mức xám - Gray level Mức xám là kết quả của sự mã hóa tƣơng ứng một cƣờng độ sáng của mỗi điểm ảnh với một giá trị sáng, kết quả của quá trình lƣợng tử hóa. Cách mã hóa kinh điển thƣờng dùng là 16, 32 hay 64 mức. Phổ dụng nhất là mã hóa ở mức 256, ở mức này mỗi Píxel sẽ đƣợc mã hóa bởi 8 bít.
  21. 12 3.3. Biên. Biên là một đặc tính rất quan trọng của đối tƣợng trong ảnh, nhờ vào biên mà chúng ta phân biệt đƣợc đối tƣợng này với đổi tƣợng kia. Một điểm ảnh có thể gọi là điểm biên nếu ở đó có sự thay đổi đột ngột về mức xám. Tập hợp các điểm biên gọi là biên hay còn gọi là đƣờng bao ảnh. 3.4.Láng giềng. Trong xử lý ảnh có một khái niệm rất quan trọng, đó là khái niệm láng giềng, có hai loại láng giềng: 4 láng giềng và 8 láng giềng. 4 láng giềng của một điểm (x,y) là một tập hợp bao gồm láng giềng dọc và láng giềng ngang của nó: N4((x,y)) = {(x+l,y), (x-l,y), (x,y+l), (x,y-l)} (1.1) 8 láng giềng của (x,y) là một tập cha của 4 láng giềng và bao gồm láng giềng ngang, dọc và chéo: N8((x,y)) = N4((x,y)) u{(x+ l,y+l), (x-l,y-l), (x+l,y-l), (x-l,y+l)} (1.2) 3.5. Vùng liên thông. Một vùng R đƣợc gọi là liên thông nếu bất kỳ hai điểm (xA,yA) và (xB,yB) thuộc vào R có thể đƣợc nối bởi một đƣờng (xA,yB) (xi-1,yi-1),(xi,yi), (xi+i,yi+i) (xb,yb), mà các điểm (x,y,) thuộc vào R và bất kỳ điểm (xi,yi) nào đều kề sát với điểm trƣớc (xi-1,yj- 1) và điểm tiếp theo (xj+i,yi+i) trên đƣờng đó. Một điểm (xk,yk) đƣợc gọi là kề với điểm (xi,yi) nếu (xi,yi) thuộc vào láng giềng trực tiếp của (xk,yk). 3.6. Biểu diễn ảnh. Trong biểu diễn ảnh, ngƣời ta dùng các phần tử đặc trƣng của ảnh là pixel. Có thể xem một hàm hai biến chứa các thông tín nhƣ biểu diễn của ảnh, việc xử lý ảnh số yêu cầu ảnh phải đƣợc mã hóa và lƣợng tử hóa. Việc lƣợng tử hóa ảnh là chuyển đổi tín hiệu tƣơng tự sang tín hiệu số của một ảnh đã lấy mẫu sang một số hữu hạn mức xám. Một số mô hình thƣờng đƣợc dùng trong xử lý ảnh, mô hình toán, mô hình thống kê. 3.7. Tăng cƣờng và khôi phục ảnh. Tăng cƣờng ảnh là bƣớc quan trọng tạo tiền đề cho xử lý ảnh, gồm một loạt các kỹ thuật nhƣ: lọc độ tƣơng phản, khử nhiễu, nổi màu Khôi phục ảnh là nhằm loại bỏ các suy giảm trong ảnh.
  22. 13 3.8. Biến đổi ảnh. Trong thuật ngữ biến đổi ảnh thƣờng đƣợc dùng để nói đến một lớp các ma trận đơn vị và các kỹ thuật dùng để biến đổi ảnh. Một số loại biến đổi đƣợc dùng nhƣ: biến đổi Fourier, Sin, Cosin, Hadamard, tích Kronecker, biến đỗi Karhumen Loeve 3.9. Phân tích ảnh. Liên quan đến việc xác định các độ đo định lƣợng của một ảnh đễ đƣa ra một mô tả đầy đủ về ảnh. Các kỹ thuật đƣợc sử dụng ở đây nhằm mục đích xác định biên của ảnh. 3.10. Nhận dạng ảnh. Là quá trình liên quan đến việc mô tả các đối tƣợng mà ngƣời ta muốn đặc tả nó. Quá trình nhận dạng thƣờng đi sau quá trình trích chọn các đặc tính chủ yếu của đối tƣợng. Có hai kiểu mô tả đối tƣợng đó là: mô tả tham số (nhận dạng theo tham sổ) 3.11. Nén ảnh. Dữ liệu ảnh cũng nhƣ các dữ liệu khác cần phải truyền đi trên mạng ,lƣợng thông tin để biểu diễn cho một ảnh là rất lớn.Do đó làm giảm lƣợng thông tin hay nén dữ liệu là một nhu cầu cần thiết. 4. Các định dạng cơ bản trong xử lý ảnh. Trong quá trình xử lý ảnh, một ảnh thu nhận vào máy tính phải đƣợc mã hóa. Hình ảnh khi lƣu trữ dƣới dạng tệp tin sẽ đƣợc số hóa. Một số dạng ảnh đã đƣợc chuẩn hóa nhƣ: ảnh GIF, BMP, PCX, IMG, TIFF Ảnh IMG: Là ảnh đen trắng, phần đầu của ảnh có lố byte chứa các thông tin cân thiết, ảnh IMG đƣợc nén theo từng dòng. Mỗi dòng bao gồm các gói (pack). Các dòng giống nhau cũng nén thành một gói. Ảnh PCX: Định dạng ảnh PCX là một trong những định dạng ảnh cổ điển nhất, nó thƣờng đƣợc dùng để lƣu trữ ảnh, nó sử dụng phƣơng pháp mã loại dài RLE (Rim- Length-Encoded ) để nén dữ liệu ảnh, quá trình nén và giải nén đƣợc thực hiện trên từng dòng ảnh. Ảnh TIFF: Là ảnh mà dữ liệu chứa trong tệp thƣờng đƣợc tổ chức thành các nhóm dòng ( cột) quét của dữ liệu ảnh. Ảnh GIF (Graphics Interchanger Format): Với định dạng ảnh GIF những vƣớng mắc mà các định dạng khác gặp phải khi số trong ảnh tăng lên không còn nữa. Dạng ảnh GIF cho chất lƣợng cao độ phân giải đồ họa cũng đạt cao, cho phép hiển thị trên hầu hết các phần cứng.
  23. 14 II. ẢNH Y HỌC Y học hiện đại chẩn đoán bệnh dựa vào các triệu chứng lâm sàng (chẩn đoản lâm sàng) và các triệu chứng cận lâm sàng (chẩn đoán cận lâm sàng). Trong chẩn đoán cận lâm sàng thì chẩn đoán dựa trên hình ảnh thu đƣợc từ các thiết bị, máy y tể (chẩn đoán hình ảnh) ngày càng chiếm một vai trò quan trọng, nhất là ngày nay với sự trợ giúp của các thiết bị, máy y tế hiện đại, công nghệ cao có các phần mềm tin học hỗ trợ khiến cho hình ảnh rõ nét và chính xác hơn 1. Giới thiệu. Ảnh y học là kỹ thuật và quá trình đƣợc sử dụng để tái tạo ra hình ảnh cơ thể con ngƣời hoặc bộ phận cơ thể phục vụ cho mục đích lâm sàng và cận lâm sàng nhƣ chần đoán, kiểm tra bệnh) hoặc khoa học y tế (bao gồm cả giải phẫu và sinh lý). Ảnh y học theo nghĩa rộng của nó, nó là một phần của hình ảnh sinh học và kết hợp X - Quang, y học hạt nhân, nội soi dùng trong chần đoán điều trị bệnh lý của con ngƣời). Viêm dạ dày cấp Tụ máu não Hình 1.3. Một số hình ảnh Y học 1.1. Chẩn đoán dựa trên hình ảnh. Y học hiện đại chẩn đoán bệnh dựa vào các triệu chứng lâm sàng (chẩn đoán lâm sàng) và các triệu chứng cận lâm sàng (chẩn đoán cận lâm sàng). Trong chẩn đoán cận lâm sàng thì chẩn đoán dựa trên hình ảnh thu đƣợc từ các thiết bị, máy y tế (chẩn đoán hình ảnh) ngày càng chiếm một vai trò quan trọng, nhất là ngày nay với sự trợ giúp của các thiết bị, máy y tế hiện đại, công nghệ cao có các phần mềm tin học hỗ trợ khiến cho hình ánh rõ nét và chính xác hơn. Các phƣơng pháp chẩn đoán hình ảnh rất phong phú, nhƣ chẩn đoán qua hình ảnh X quang, hình ảnh siêu âm, siêu âm - Doppler màu, hình ảnh nội soi (mà thông dụng là nội soi tiêu hoá và nội soi tiết niệu) hình ảnh chụp cắt lớp vi tính (Computed Tomography Scanner- CT. Scanner), hình ảnh chụp cộng hƣởng từ hạt nhân (Magnetic Resonance Imaging-mrl) Chẩn đoán hình ảnh đã góp phần quan trọng nâng cao tính chính xác, kịp thời và hiệu quả cao trong chẩn đoán bệnh. Nhƣ dựa trên hình ảnh siêu âm, ngƣời thầy thuốc có thể đo đƣợc tƣơng đối chính xác kích thƣớc các tạng đặc trong ổ bụng (gan, lách,
  24. 15 thận, tụy, ) và phát hiện các khối bất thƣờng nếu có. Từ hình ảnh siêu âm tim có thể xác định cấu trúc, kích thƣớc các buồng tim, van tìm và các mạch máu lớn. Trong sản khoa, siêu âm giúp xác định và theo dõi sự phát triển của thai nhi trong bụng mẹ; hình ảnh CT Scanner giúp thầy thuốc xác định đƣợc một số bệnh lý ở sọ não, đặc biệt là xác định máu tụ nội sọ, khối u não, chụp cộng hƣởng từ hạt nhân xác định chính xác hơn các hình thái và các khối bẳt thƣờng trong cơ thể (nếu có) Các thiết bị và máy y tế về chẩn đoán hình ảnh ngày càng ứng dụng nhiều hơn về công nghệ thông tin, các phần mềm cho các máy Y tế ngày càng đƣợc nâng cấp, nhất là khi kỹ thuật số ra đời và phát triển đã ghi nhận và phân tích tín hiệu rất tốt, cho hình ảnh sâu hơn, chất lƣợng ảnh tốt hơn. Hơn nữa việc giao diện giữa các thiết bị và máy y tế kỹ thuật cao với hệ thống máy tính dùng trong quản lý tại bệnh viện và giữa các bệnh viện với nhau ngày một nhiều, nên các giao thức truyền ảnh trên mạng đƣợc dƣa ra (có một chuẩn chung thống nhất, chất lƣợng ảnh đủ để chần đoán, giảm nhẹ gánh nặng đƣờng truyền), tạo nên phòng “họi chẩn ảo" giữa các chuyên gia y tế ở xa nhau. 1.2. Một số các chuẩn hình ảnh ứng dụng trong y tế. Các máy thiết bị và máy y tế chần đoán hình ảnh đầu tiên khi mới ra đời chỉ là tín hiệu dạng sóng (Analog) đƣa lên màn hình VIDEO của máy. Theo thời gian, máy đƣợc chế tạo ngày càng có cấu hình cao hơn và chuyển dần sang tín hiệu số, các phần mềm xử lý tín hiệu lƣu trữ thông tin số ngay tại các máy đó (ví dụ máy siêu âm có thể lƣu đƣợc 5000 ảnh của bệnh nhân gần đây nhất). Tuy nhiên,khi có các điều kiện đặt ra và nhu cầu giao tiếp giữa các máy với nhau (ví dụ: máy CT Scanner chuyển cho máy chiếu tia Coban ) và truyền ảnh số giữa các vùng với nhau để trợ giúp chẩn đoán thì các chuẩn dữ liệu chung về hình ảnh của y tế dần ra đời. Vì vậy, các máy y tế ngày nay có gắn thiết bị tin học thì đã sẵn sàng đƣa ra các tín hiệu thông qua các D-Shell chuẩn nhƣ COM, LPT hoặc USB port. Tuy nhiên, phần tín hiệu đƣa ra các cổng này tuỳ nhà cung cấp trang bị phần mềm khi ngƣời sử dụng yêu cầu. Tuy nhiên có nhiều chuẩn để truyền ảnh trên mạng nhƣ chuẩn PACS (Picture Archiving and Communication System) là hệ thống lƣu trữ, xử lý và truyền ảnh động, hoặc mạng xử lý và truyền ảnh số hoá DICOM (Digital Imaging and Communications in Medicine). Tất cả các chuẩn này có chung một tiêu chí là nén ảnh ở mức độ tối đa để giảm kích thƣớc lƣu trữ, giảm kích thƣớc khi truyền trên mạng, có các mức độ phân giải khác nhau khi truyền. Nếu hình ảnh không cần chất lƣợng cao thì có thể truyền ở độ phân giải thấp và khi cần độ nét để chẩn đoán với chất lƣợng cao thì truyền ảnh với các độ phân giải cao hơn, nhƣng tốc độ truyền trên mạng sẽ chậm đi nhiều. Các ảnh truyền thƣờng là các ảnh về X quang, ảnh siêu âm, ảnh nội soi, ảnh CT Scanner Việc truyền ảnh này giúp cho hỗ trợ chẩn đoán từ xa, cho các thầy thuổc, học viên, sinh viên học tập và nghiên cứu.
  25. 16 1.3. Trợ giúp chẩn đoán, điều trị và đào tạo chỉnh hình từ xa cho tuyến trƣớc. Hình ảnh X-Quang, hình ảnh lâm sàng lúc bệnh nhân vừa bị xảy ra tai nạn (dùng máy ảnh số chụp) từ địa phƣơng khác nhau, các tuyến chuyên khoa khác nhau đƣợc truyền lên tuyến trên để xin ý kiên của các chuyên gia giỏi giúp cho việc chẩn đoán và xử trí đƣợc tốt ngay từ tuyến dƣới, chuyền tải ảnh qua hệ thống thông tin lƣu trữ hình ảnh (PACS). Phƣơng thức truyền ảnh có thể dùng Email với những nơi chƣa có đƣờng truyền tốt. Việc ứng dụng công nghệ thông tin trong các thiết bị và máy y tế với các phần mềm chuyên dụng đã tạo ra bƣớc phát triển đột phá trong việc ghi hình ảnh có chất lƣợng cao các cơ quan bị bệnh của cơ thể con ngƣời, giúp cho các chuyên gia y tế chẩn đoán bệnh khách quan hơn, nhanh chóng hơn và chính xác hơn nhiều. Với việc lƣu trữ và truyền ảnh giữa các khoa, phòng trong bệnh viện và giữa các bệnh viện với nhau đã tạo ra phòng "Hội chẩn ảo", góp phần quan trọng vào việc sử dụng trí tuệ tập thể, đặc biệt là trí tuệ của các chuyên gia y tế giỏi, chuyên gia đầu ngành trong chẩn đoán và điều trị bệnh cho mọi ngƣời bệnh ở nhiều vùng đất nƣớc khác nhau, thậm chí giữa các nƣớc khác nhau tiên thế giới, ứng dụng và phát triển công nghệ thông tin Y tế đang là một đòi hỏi của Ngành Y tế Việt Nam, nhằm xây dựng nền y tế Việt Nam hiện đại, có công nghệ và kỹ thuật y học cao, đáp ứng đƣợc yêu cầu chăm sóc sức khoẻ cho nhân dân. 2. Chuẩn PACS. 2.1. Giới thiệu chung. Hệ thống PACS lƣu trữ hình ảnh và dữ liệu thu thập đƣợc và tƣơng tác với hệ thống con trong cùng mạng, PACS có thể chỉ đơn giản là một máy lấy ảnh với cơ sở dữ liệu nhỏ hay hệ thống quản trị ảnh trong y khoa phức tạp để từ đó các máy trạm lấy ảnh về và xử lí. Hiện nay, hầu hết hệ thống PACS phát triển theo hệ thống kiến trúc mở theo đó là việc truyền thông hình ảnh, định dạng ảnh và quản lí ảnh theo chuẩn DICOM. Ngƣời sử dụng dùng các máy trạm để hiển thị hình ảnh nhƣ là một giao tiếp chính cho việc truy cập hình ảnh trên hệ thống PACS. Từ các máy trạm hiển thị hình ảnh đó, ngƣời sử dụng có thể chẩn đoán, xem xét, phân tích. Các chuyên gia về ngành X-Quang sử dụng các máy trạm chuẩn đoán nhƣ là một công cụ chính. Máy trạm chuẩn đoán có phần cứng mạnh trong việc xử lí nhƣ cần phải có màn hình với độ phân giải cao, máy tính mạnh với bộ nhớ lớn và tốc độ CPU nhanh các phần mềm đƣợc thiết kế cho việc quản nhiều các máy lấy ảnh (nhƣ máy chụp X- quang, chụp cắt lớp ), trao đổi giao tiếp hình ảnh giữa chúng với nhau (thƣờng là sử dụng dịch vụ DICOM), xem xét ảnh, hiển thị ảnh động, xử lí ảnh và quản lí luồng công việc của bệnh nhân và những thông tin có liên quan. Trong PACS điểu trị bệnh, ảnh đƣợc thu thập từ các máy lấy ảnh dùng trong y khoa (modality) rồi gửi tới máy chủ PACS thông qua DICOM gateway sau đó đƣợc
  26. 17 đƣa tới máy trạm chẩn đoán với dịch vụ truyền thông DICOM. Hình 1.4 : Mô hình PACS Phân bổ và hiển thị ảnh Có 2 cách để đƣa hình ảnh của máy chủ PACS tới máy trạm chẩn đoán: Phƣơng thức Store-Forwarđ (địch vụ truyền thông DICOM Storage): đầu tiên ảnh đƣợc đƣa đến và lƣu trữ ở máy chủ PACS, tiếp đến là chuyển tới máy trạm hiển thị với một lộ trình định sẵn. Phƣơng thức Query/Retneval (dịch vụ DICOM Query/Retrieval): các chuyên gia về ngành X-quang lấy thông tin lịch làm việc từ RIS (Radiology Informatìon System) hoặc PACS sau đó truy vấn và tìm kiếm ảnh từ máy chủ PACS hoặc cơ sở dữ liệu ảnh để hiển thị trên máy trạm của họ. Cách phân bố ảnh theo phƣơng thức Store-Forward đƣợc sử dụng thƣờng hơn phƣơng thức Query/Retrieval trong lĩnh vực ngành X-quang về bộ phận sinh học. Trong chuyên môn về bộ phận sinh học đƣợc tổ chức theo từng nhóm dựa theo bộ phận sinh học nhƣ: ngực , thần kinh hoặc thuộc khoa nhi Với phƣơng thức Query/Retrieval thì thích hợp nhất cho các chuyên gia X-quang trong khâu giao tiếp với máy lấy ảnh (Modalities). Các máy ảnh đƣợc chia theo nhóm dựa trên chức năng của máy nhƣ : CT , MR hoặc X-ray. Trong từng lĩnh vực chuyên môn mà các máy lấy ảnh sẽ sinh ra những hình ảnh tƣơng tự nhau tại cùng một điểm đều này sẽ gây khó khăn cho máy chủ PACS trong việc phân phối tất cả ảnh của cùng một bệnh nhân cho bác sĩ chẩn đoán. Trong trƣờng hợp này rất thích hợp cho phƣơng thức Query/Retrieval. Chức năng chính của máy trạm chẩn đoán là hiển thị ảnh và thao tác trên ảnh kết hợp với việc quản lí ảnh và chức năng xử lí ảnh. Trong môi trƣờng Windows, ngƣời sử dụng thao tác ảnh bằng các thiết bị nhập nhƣ: chuột và bàn phím. Các thao tác đó đƣợc chuyển thành các chuỗi sự kiện. Tiến trình hiển thị ảnh có thể đƣợc điều khiển
  27. 18 bởi một chuỗi sự kiện nhƣ hình Hình 1.5. Tiến trình hiển thị ảnh 2.2. Kĩ thuật Web. - Sự phát triển của Internet mở ra một viễn cảnh mới trong vấn đề truyền thông dữ liệu trên toàn thế giới. Sự phát triển nhanh chóng của Web làm mở rộng thêm việc truyền thông trao đổi một lƣợng lớn ngƣời sử dụng. Việc phát triển nhanh chóng của www là cung cấp một giao tiếp chuẩn cho việc xem và liên kết đến các tài liệu số nhƣ hình ảnh, văn bản, âm thanh và ảnh động. - Các máy trạm chuẩn đoán, máy trạm ứng dụng y khoa, hoặc máy trạm xem ảnh ở xa thì việc truyền tải hình ảnh vói kích thƣớc tối ƣu là thực sự cần thiết. Hệ thống ảnh y khoa dựa trên môi trƣờng web là giải pháp hiệu quả nhất cho mục đích này bằng cách sử dụng giao thức HTTP. Kiến trúc quản lý ảnh y khoa trong môi trƣờng PACS
  28. 19 Hình 1.6: kiến trúc PACS điển hình cho hiển thị ảnh dựa trên Web 3. Chuẩn DICOM 3.1. DICOM DICOM (Digital Imaging and Communications in Medicine) là tập hợp các chuẩn dùng trong xử lý, truyên tải thông tin, lƣu trữ và in ấn ảnh y khoa. Chuẩn này bao gồm định dạng file và giao thức truyền tin qua mạng. File DICOM đƣợc trao đổi giữa 2 chƣơng trình và các chƣơng trình này có thể nhận ảnh và dữ liệu bệnh nhân theo định dạng DICOM. DICOM cho phép tích hợp máy scan,máy server,máy trạm làm việc, máy tin và các thiết bị mạng từ nhiều nhà cung cấp vào thành một hệ thống truyền tải và lƣu trữ ảnh. Ngày nay, các hầu hết các bệnh viện trên thế giới đều áp dụng DICOM vào trong các thiết bị y khoa, máy trạm,máy server, các hệ thống quản lý trong hoạt động khám và chữa bệnh. 3.2. Chuẩn DICOM 3.2.1. Giới thiệu chung Vào năm 1970, trƣớc sự ra đời của phƣơng pháp chụp ảnh CT (Computed Tomography) cùng với các phƣơng pháp chụp ảnh số dùng trong chẩn đoán y khoa khác, và sự gia tăng nhanh chóng ứng dụng tin học trong các lĩnh vực y khoa lâm sàng, hai tổ chức ACR (American College of Radiology) và NEMA (National Electiical Manufacturers Association) đã nhận ra yêu cầu cần thiết phải có một phƣơng pháp chuẩn dùng trong truyền tải ảnh và thông tin liên quan đến ảnh đó giữa các nhà sản xuất thiết bị y khoa, mặc dù những thiết bị đó lại cho ra các định dạng ảnh khác nhau. Trong năm 1983, ACR và NEMA thành lập một ủy ban chung để phát triển phƣơng pháp chuẩn này với mục đích: Tăng cƣờng khả năng giao tiếp thông tin ảnh số. của thiết bị y khoa bất chấp thiết bị đó là của nhà sản xuất nào. Giúp cho việc phát triển và mở rộng các hệ thống truyển tải và lƣu trữ ảnh trở lên dễ dàng hơn,từ đó các hệ thống này sẽ là nơi giao tiếp với các hệ thống thông tin bệnh viện khác. Cho phép tạo ra thông tin cơ sở chẩn đoán, từ đó nhiều loại thiết bị chẩn đoán bệnh sẽ sử dụng và tra cứu thông tin này. ACR-NEMA công bố "ACR-NEMA Standards Publication" phiên bản 1.0 vào
  29. 20 năm 1985. Và năm 1988, ủy ban này công bố tiếp "ACR-NEMA Standards Publication" phiên bản 2.0. Tài liệu "ACR-NEMA Standards Publication" đặc tả giao tiếp phần cứng, số lƣợng tối thiểu các lệnh phần mềm và các định dạng dữ liệu. Chuẩn DICOM (Digital Imaging and Commiuiications in Medicine) đƣa ra nhiều cải tiến quan trọng so với 2 phiên bản của chuẩn ACR-NEMA trƣớc: Chuẩn DICOM này áp dụng đƣợc trong môi trƣờng mạng vì chúng dùng giao thức mạng chuẩn là TCP/IP. Chuẩn ACR-NEMA chỉ có thể áp dụng cho mạng point- to-point. Chuẩn DICOM áp dụng cho môi trƣờng lƣu trữ off-line, DICOM dùng các thiết bị lƣu trữ chuẩn nhƣ CD-R, MOD và filesystem luận lý nhƣ ISO 9660 và FAT16. Chuẩn ACR-NEMA không đặc tả định dạng file, thiết bị lƣu trữ vật lý hay filesystem luận lý. Chuẩn DICOM đặc tả các thiểt bị y khoa cần tuân theo chuẩn DICOM sẽ phải đáp ứng lệnh và dữ liệu nhƣ thế nào. Chuẩn ACR-NEMA bị giới hạn về truyền tải dữ liệu, DICOM dùng khái niệm Service Classes để mô tả ngữ nghĩa lệnh và dữ liệu đi kèm. DICOM có kèm đặc tả về yêu cầu, quy tắc cho các nhà sản xuất thiết bị y khoa sản xuất sản phẩm tuân theo chuẫn DICOM. Chuẩn ACR-NEMA đặc tả rất ít về điều này. Hƣớng phát triển hiện thời: chuẩn DICOM luôn phát triển và do Procedtires of the DICOM Standards Committee quản lý. Đề nghị nâng cấp trong tƣơng lại của các thành viên trong ủy ban DICOM dựa trên thông tin từ các những ngƣời đã dùng qua chuẩn DICOM. Các ý kiến đƣợc xem xét để đƣa vào phiên bản tiếp theo của DICOM và các thay đổi của DICOM phải đảm bảo tƣơng thích tốt với phiên bản trƣớc. 3.2.2. Chuẩn DICOM - Đặc tả DICOM áp dụng cho: - Đinh dạng file ảnh dùng trong trong y khoa. - Giao thức truyền thông dữ liệu DICOM. - Ảnh của bệnh nhân. - DICOM hỗ trợ các định dạng anh JPEG, JPEG Lossless , JPEG 2000, LZW và Run-length encoding (RLE). - Cấu trúc căn bản của file DICOM là Data Set. Data Set
  30. 21 Hình 1.7. Cấu tạo Data Set Các khái niệm trong DICOM. Khái Niệm Ý Nghĩa Data Set Là tập hợp nhiều Data Element trong một file DICOM. Là một đơn vị thông tin trong DICOM file. Date Element chứa một Data Element thông tin đầy đủ. Các field trone Data Element có nhiệm vụ đặc tả đầy đủ một thông tin, đặc tả bao gồm: ý nghĩa, giá trị, chiều dài của tin và định dạng dữ liệu của tin. Tag Là 2 số nguyên không dấu, mỗi số 16 bit. Cặp số nguyên này xác định ý nghĩa của Data Element nhƣ tên bệnh nhân, chiều cao của ảnh, số bit màu, Một số xác định Group Number và số kia xác định Element Number. Giá trị của Group Nmnber và Elemẹnt Number cho biết Data Element nói lên thông tin nào. Các thông tin (Data Element) cùng liên quan đến một nhóm ngữ nghĩa sẽ có chung số Group Number. VR(Value Đây là field tùy chọn, tùy vào giá trị của Transfer Syntax mà VR có Representation) mặt trong Data Element hay không. Giá trị của VR cho biết kiểu dữ liệu và định dạng giá trị của Data Element.
  31. 22 VM(Value Cho biết sô lƣợng Value của Value Field nếu Value Field có nhiều Multiplicitỵ) giá trị. Nếu số lƣợng Value không xác định, VM sẽ có dạng “a-b” với a số giá trị Value nhỏ nhất và b là số Value lớn nhất có thể có của Data Element. VD: VM = “6-10” : Value Field có ít nhất là 6 giá trị và nhiều nhất là 10 giá trị. Data Element với Value Field có nhiếu giá trị sẽ với chuỗi kí tự, dùng kí tự 5Ch („\‟) làm kí tự phân cách. Với giá trị nhị phân, không có kí tự phân cách. Value Length Là một số nguyên không dấu, có độ dài là lố hay 32 bit. Giá trị của Value Length cho biết độ lớn (tính theo byte) của field Value Field (không phải là độ lớn của toàn bộ Data Element). Giá trị của Value Length là FFFFFFFFh (32 bit) hàm ý không xác định đƣợc chiều dài (Undefined Length). Value Field Là nội dung thông tin (Data Element). Kiểu dữ liệu của field này do VR quy định và độ lớn (tính theo byte) nằm trong Value Length. Transfer Syntax Transfer Syntax là các quy ƣớc định dạng dữ liệu. Giá trị của Transfer Syntax cho biết cách dữ liệu đƣợc định dạng và mã hóa trong DICOM đồng thời cũng cho biết VR sẽ có tồn tại trong Data Element hay không. Mặc định ban đầu, Transfer Syntax của file DICOM là Explicit VR Little Endian Transfer Syntax. Information IOD đại diện cho một đối tƣợng chứa thông tin và đối tƣợng này có Object Definition tồn tại trong thế giới thực. Thông tin của đối tƣợng IOD là thông (IOD) tin của đối tƣợng trong thế giới thực. Có 2 loại IOD Composite IOD: là IOD đại diện cho những phần khác nhau của các đối tƣợng khác nhau trong thế giới thực. Normalized IOD: là IOD cho duy nhất một đối tƣợng trong thế giới thực.
  32. 23 LớpServicẹ:- Lớp SOP đƣợc tạo ra khi ghép một IOD với DIMSE Service dành Object Pair (SOP) cho IOD đó. Có 2 loại lớp SOP Lớp Nonnalized SOP: đƣợc tạo ra khi ghép Nonnalized IOD với các dịch vụ DIMSE-N. Lớp Composite SOP: đƣợc tạo ra khi ghép Composite IOD với các dịch vụ DIMSE-C. Thứ tự của các chuỗi byte: một giá trị sẽ đƣợc lƣu thành một hay nhiều byte trong file Có 2 quy ƣớc quy định thứ tự xuất hiện của các byte của một giá trị nào đó trong file DICOM. Đối với số nhị phân gồm nhiều byte thì byte có trọng số thấp nhất Little Endian (Least Significant Byte) sẽ nằm trƣớc, những byte còn lại có trọng số tăng dần nằm tiếp sau đó. Đối với chuỗi kí tự, các kí tự sẽ nằm theo thứ tự xuất hiện trong chuỗi (từ trái sang phải). Đối với số nhị phân gồm nhiều byte thì byte có trọng số lớn nhất Big Endian (Most Significant Byte) sẽ nằm trƣớc, những byte -còn lại có trọng số giảm dần nằm tiếp sau đó. Đối với chuỗi kí tự, các kí tự sẽ nằm theo thứ tự xuất hiện trong chuỗi (từ trái sang phải). Cấu trúc file DICOM. Các Data Element ở đầu file cung cấp một số thông tin ban đầu quan trọng. Chúng nằm trong một Data Set tên File Meta InFormation. Sau Data Set File Meta InFormation là đến những Data Ẹlement bình thƣờng, các Data Element này là nội dung DICOM file (gồm hình ảnh, thông tin hình ảnh, thông tin khám, thông tin bệnh nhân).
  33. 24 III. CHẨN ĐOÁN Y HỌC. Năm 1972 G.N Hounsfield giới thiệu phƣơng pháp chụp cắt lớp điện toán (computed Tomography Scanner-CT). Đây là kỹ thuật không xâm lấn cho phép đánh giá tốt về bệnh lý hệ thần kinh trung ƣơng. Sự ra đời của CT đƣợc xem là cuộc cách mạng trong chuẩn đoán hình ảnh. Đặc biệt, trong bệnh lý, CT chẩn đoán tốt các tổn thƣơng (tụ máu, dập não, phù não ), chi tiết xƣơng, khảo sát đƣợc các trƣờng hợp bệnh nhân cấp cứu (không nằm yên, mang trợ cụ hô hấp, tuần hoàn ) và có giá thành rẻ. CT giúp đánh giá, theo dõi, tiên lƣợng, lập kế hoạch điều trị thích hợp cho từng bệnh nhân. Việc đọc phim CT hiện nay chủ yếu là do các bác sĩ chuyên khoa chẩn đoán hình ảnh thực hiện, với số ca mỗi ngày khá lớn. Với mỗi ca chấn thƣơng, số lƣợng ảnh phải chụp tồi thiểu là 20, và bác sĩ phải quan sát qua tất cả các ảnh để tìm ra nhiều biểu hiện bất thƣờng khác nhau. Từ những lý do đó, nhận thấy nhu cầu cho một công cụ trợ giúp chẩn đoán tự động, hỗ trợ các bác sĩ đƣa ra những chẩn đoán chính xác và ít sai sót hơn. 1. Một số kiến thức cơ bản. 1.1.Nguyên lý tạo hình CT dùng một chùm tia X với độ dày nhất định, quét qua lát cắt ngang của vật thể, theo nhiều huớng khác nhau. Lƣợng tia X sau khi đi qua vật thể đƣợc đo bằng các đầu dò (detectors). Dữ liệu thu nhận từ các đầu dò này sẽ đƣợc máy tính xử lý và tạo hình. 1.2.Tạo hình. Các lát cắt ngang qua vùng cơ thể khảo sát, đƣợc phân thành nhiều khối (block) nhỏ. Các khối riêng lẽ này gọi là các phân tử thể tích (voxel). Thành phần độ dày của phần tử thể tích cùng với tính chất chùm tia X sẽ xác định mức độ hấp thu tia X của các phần tử thể tích này. Các dữ liệu số về sự hấp thu tia X của các phần tử thể tích đƣợc máy tính chuyển thành các độ xám khác nhau của các phần tử hình hay điểm ảnh (pixel) Hình 1.8: Phần tử thể tích (voxel)
  34. 25 1.3.Trị số đậm độ Mỗi phần tử thể tích có trị số tƣơng ứng với mức độ hấp thu tia của mô và đƣợc biểu thị bằng các độ xám khác nhau trên hình. Trị số mức độ hấp thu tia X biểu thị bằng đơn vị Hounsũeld (HU). Theo qui ƣớc của máy, các đậm độ cơ bản là: Đậm độ của nƣớc: 0 HU Đậm độ của khí: -1000 HU Đậm độ của xƣơng: +1000 HU Đậm độ của mỡ: -1000 HU Các trị số đậm độ của các mô, dịch khác trong cơ thể sẽ đƣợ tính theo tƣơng ứng với các trị số trên. Các cấu trúc vật chất hấp thụ tia X càng nhiều thì có độ Hounsfield càng cao, trên hình có màu càng trắng và ngƣợc lại. Ví dụ: xƣơng, máu tụ có màu trắng do hấp thụ tia X nhiều: ngƣợc lại khí, mỡ, dịch não tuỷ có màu đen. Điều này giống nhƣ các đậm độ trên hình X quang thông thƣờng. Cấu trúc Trị số giới hạn (HU) Đóng vôi, xƣơng 80-250 Xuât huyêt, tụ máu 55-75 Chất xám 35-45 Chất trăn 20-30 Phù nề 10-20 Dịch não tuỷ 0-10 Nƣớc 0 Mỡ <0-(-100) Khí (-100H-1000) Bảng 1.1: Trị số đậm độ của các cấu trúc nội sọ
  35. 26 1.4.Thay đổi đậm độ Thay đổi đậm độ biểu hiện sự khác biệt tƣơng đối về đậm độ của vùng chúng ta lƣu ý với cấu trúc bình thƣờng. Các từ diễn tả đậm độ khi mô tả: Giảm đậm độ (Hypodense) Đồng đậm độ (Isodense) Tăng đậm độ (Hyperdense) Các từ giảm, đồng và tăng đậm độ sẽ tƣơng ứng với các vùng có màu đen hơn, ngang bằng và trắng hơn so với vùng đƣợc so sánh. Ví dụ: Xuất huyết trong não có đậm độ cao Vùng phù có đậm độ thấp Tụ máu dƣới màng cứng bán cấp đồng đậm độ với chât xám Các hình tăng đậm độ trên CT sọ não có thể là các đóng vôi binh thƣờng (nhƣ màng cứng, tuyến tùng, đám rối mạch mạc ) hoặc các đóng vôi bất thƣờng (trong u, tổn thƣơng cũ ), xuất huyết, các cấu trúc protein cao, hoặc mật độ tế bào cao (một số u não). Các hình giảm đậm độ thƣờng gặp trên CT Sọ não bình thƣờng (nhƣ dịch não tuỷ, mỡ hốc mắt, khí trong xoang) hoặc bất thƣờng (nhƣ phù não, dịch trong các nang, mỡ trong u, khí nội sọ trong chấn thƣơng)" Cũng cần lƣu ý rằng khối máu tụ cấp tính ở bệnh nhân chấn thƣơng sọ não thuờng có đậm độ cao hơn nhu mô não. Đậm độ khối máu tụ liên quan với nồng độ hemoglobin, hematocrit, protein máu, tình trạng đông máu. Trong một số trƣờng hợp, do có sự thăy đổi các yếu tố trên (hematocrit, protein thấp ), khối máu tụ cấp có thể có đậm độ ngang với nhu mô não. Theo thời gian, khối máu não sẽ giảm đậm độ dần, trung bình 1.5 HU/ ngày. Do đó, máu tụ bán cấp hay mãn tính, sẽ đồng hay giảm đậm độ so với nhu mô 1.5.Độ dày lát cắt và khoảng cách lát cắt Độ dày lát cắt: là độ dày của lát cắt khảo sát (tƣơng ứng với độ mở của bộ chuẩn trực/colimator ở đầu đèn). Khoảng cách lát cắt: Là khoảng cách giữa các lát cắt (tƣơng ứng với khoảng di chuyển của bàn bệnh nhân). Độ dày lát cắt thƣờng đƣợc thể hiện trực tiếp ở các thông số trên hình. Còn khoảng cách các lát cắt cũng đƣợc thể hiện trên hình Từ hai khái niệm này, kỹ thuật khảo sát CT sẽ có các kiểu cắt nhƣ sau:
  36. 27 Cắt liên tục (continuity) khi độ dày lát cắt bằng khoảng cách lát cắt. Cắt chồng (overlap) khi độ dày lát cắt lớn hơn khoảng cách lát cắt. Cắt hở (gap) khi độ dày lát cắt nhỏ hơn khoảng cách lát cắt. Trong bệnh lý chấn thƣơng sọ não, thƣờng khảo sát bằng các lát cắt liên tục, từ lỗ chầm lên đến vòm sọ. 1.6. Hình định vị Hình định vị (topogram, scout view) [hình 2.1] là hình dùng để xác định các vị trí lát cắt. Ở hình đinh vị có các đƣờng đƣợc đánh số và đặt chồng lên vùng cơ thể khảo sát. Các số đƣợc đánh dấu của các đƣờng này sẽ tƣơng ứng với các số của các hình hay lát cắt trình bày trên phim CT. Ta có thể dùng hình định vị để quan sát nhanh các lát cắt nào cần xem trên phim CT. Hoặc ngƣợc lại, xác định bất thƣờng trên lất cắt CT nằm ở vị trí nào trên hình định vị Ví dụ: Ta chỉ muốn quan sát tổn thƣơng ở vùng đỉnh. Ta thấy trên hình định vị, ở vùng đỉnh, có các đƣờng số đánh số 10,11,12; nhƣ vậy, ta chỉ cần xem các hình 10,11,12 trên phim CT. Hình 1.9: Hình định vị (topogram) 2.Chẩn đoán hình ảnh. Trƣớc hết, phải nhận xét rằng phân tích các chấn thƣơng cấp trong ảnh CT, X- Quang, cộng hƣởng từ một cách tự động là một vấn đề không hề dễ dàng. Hầu hết các nghiên cứu trong lĩnh vực này tập trung phần lớn vào việc phân đoạn ảnh để phục vụ cho bài toán xây dựng mô hình 3-D. Qua học nghiên cứu làm đồ án em đã đƣợc tìm hiểu về chẩn đoán hình ảnh thông qua thu thập đƣợc 1 số kiến thức cơ bản về chẩn đoán hình ảnh. Sau đây em xin đƣa ra 1 số loại chấn thƣơng cơ bản: 2.1. X- Quang chẩn thƣơng sọ não
  37. 28 Đối với chấn thƣơng sọ não chúng ta phân ra các loại tổn thƣơng: tổn thƣơng nguyên phát và tổn thƣơng thứ phát Hình 1.10: Cấu trúc liên quan sọ - màng não –nhu mô não Tổn thƣơng nguyên phát: Vỡ hộp sọ - Tổn thƣơng ngoài trục (extra – axial) - Tụ máu ngoài màng cứng - Tụ máu dƣới màng cứng - Xuất huyết khoang dƣới nhện Tổn thƣơng trong trục ( intra – axial) - Dập não - Xuất huyết trong não - Tổn thƣơng truc lan tỏa - Tổn thƣơng chất xám sâu - Tổn thƣơng cuống não - Xuất huyết trong não thất Tổn thƣơng thứ phát -Thoát vị não -Nhồi – thiếu máu não do chấn thƣơng -Phù não - Tổn thƣơng do thiếu oxy não Tổn thƣơng hộp sọ. - Tổn thƣơng xƣơng: Nứt sọ dạng đƣờng, lún sọ, dãn khớp sọ
  38. 29 - Tổn thƣơng phần mềm Hình 1.11: Tổn thƣơng hộp sọ Hình 1.12: Tổn thƣơng xƣơng hộp Tụ máu ngoài màng cứng -Tổn thƣơng động mạch màng não giữa (90%), tĩnh mạch tuỷ sọ, xoang màng cứng (10%) -Thƣờng kết hợp với nứt sọ cùng bên và tụ máu dƣới màng cứng đối bên (90%) -Hình hai mặt lồi (biconvex/ lenticular). -Không vƣợt qua khớp sọ. -Chạy vƣợt qua nếp màng não (liềm, lều não).
  39. 30 Hình 1.13: Tụ máu ngoài màng Tụ máu dƣới màng cứng - Đứt các tĩnh mạch cầu nối - Hình liềm - Chạy qua các khớp sọ - Không vƣợt qua các nếp mảng cứng (liềm, lều não) - Tuỳ tụ máu cấp, bán cấp hay mãn mà đậm độ khác nhau Hình 1.14: Tụ máu dƣới màng cứng
  40. 31 2.2. X- quang giải phẫu tuyến vú Hình 2.10: Đánh giá mật độ tuyến vú Xếp loại độ đặc của tuyến vú thành 4 loại nhằm chú ý tuyến vú càng dày thì khả năng phát hiện ung thƣ càng ít. Độ 1 Hình 1.16: Độ đặc biệt của tuyến vú
  41. 32 Độ 2,3 Hình 1.17: Độ đặc của tuyến vú Độ 4 Hình 1.18: Độ đặc của tuyến vú
  42. 33 Hình 1.19: Phân vùng tuyến vú Phải phân vùng tuyến vú để không bỏ sót tổn thƣơng 3. Tiêu chuẩn đánh giá độ chính xác. Ta sẽ dùng một số tiêu chuẩn để đánh giá độ chính xác của giai đoạn phát hiện vùng bệnh, cụ thể hơn là ở bộ phận lớp dùng thuật toán k-ngƣời láng giềng gần nhất. Đối với bƣớc định vị vùng tổn thƣơng, do không có những độ đo định lƣợng thích hợp nên ta sẽ chỉ đƣa ra một số nhận xét chung. Gọi: - TP là số vùng bệnh đƣợc phân lớp đúng. - FP là số vùng bình thƣờng bị xác định sai là có bệnh. - TN là số vùng bình thƣờng đƣợc phân lớp đúng. - FN là số vùng bệnh bị xác định sai là không có bệnh. Ta xét các độ đo sau: 3.1: Độ nhạy (sensitivity) Độ đặc trƣng cho biêt xác suât phân lớp đúng vùng bị tổn thƣơng thật sự. Sensitivity= 3.2: Độ đặc trƣng(specificity) Độ đặc trƣng cho biêt xác suât phân lớp đúng các vùng không bị tổn thƣơng. Specificity =
  43. 34 3.3: Tỉ lệ vùng bệnh đƣợc phân lớp đúng Đại lƣợng này cho ta biết tì lệ vùng bệnh thật sự trong số những vùng đƣợc xác định bởi hệ thống. PP% = 3. 4. Tỉ tệ vùng bình thƣờng đƣợc phân lớp đúng Đại lƣợng này cho ta biết tỉ lệ vùng không bị tổn thƣơng thật sự trong số những vùng đã đƣợc bộ phân lớp kNN loại bỏ. NP% = Kết luận: Trong Chƣơng I em đã trình bày 1 số khái niệm về xử lý ảnh, ảnh Y học, các chuẩn dùng trong lƣu trữ và truyền ảnh Y học, một số kiến thức cơ bản về chẩn đoán hình ảnh mà qua nghiên cứu, học em thấy đối với ảnh Y học thƣờng chụp các bộ phận bên trong cơ thể ngƣời bằng các thiết bị chuyên dụng nhƣ máy X-Quang chụp hộp sọ, máy chụp cắt lớp vi tinh, máy chụp cộng hƣởng từ, máy chụp mạch não,nên ảnh thƣờng không rõ, không sắc nét, gây khó khăn cho các bác sỹ trong việc chẩn đoán bệnh. Để đi sâu hơn tìm hiểu về phân đoạn ảnh Y học, em nghiên cứu một số kiến thức cơ bản về phân đoạn ảnh ở chƣơng II. CHƢƠNG II: MỘT SỐ PHƢƠNG PHÁP PHÂN ĐOẠN ẢNH Y HỌC Phân đoạn (segmentation) là một quá trình chia ảnh ra các vùng con khác nhau mà trong mỗi vùng chứa các thực thể có ý nghĩa cho việc phân lớp – mỗi thực thể đƣợc xem là một đối tƣợng mang những thông tin đặc trƣng riêng. Có rất nhiều kỹ thuật phân đoạn ảnh, trong chƣơng này em giới thiệu một số kỹ thuật tiêu biểu nhƣ: Phân đoạn dựa vào ngƣỡng biên độ, phân đoạn dựa trên cơ sở vùng, phân đoạn theo miền đồng nhất, phân đoạn theo đồ thị. I.TỔNG QUAN VỀ PHÂN ĐOẠN ẢNH. Phân đoạn ảnh là các thao tác chia nhỏ bức ảnh đầu vào thành các miền hoặc các vật thể con với mức độ tùy theo nhu cầu xử lý. Có rất nhiều kiểu phân đoạn nhƣ xác định biên của vật thể, xử lý các vùng ảnh, tách bạch rõ ràng vật thể và nền bằng 1 ngƣỡng, nhƣng tóm lại mục tiêu của phân đoạn ảnh là làm nổi bật hoặc tách hẳn vật thể cần quan tâm ra từ ảnh ban đầu.
  44. 35 Trong các thao tác về xử lý ảnh thì phân đoạn ảnh đƣợc xem là thao tác khó nhất và là thao tác rất quan trọng vì độ chính xác của quá trình phân đoạn ảnh có ý nghĩa quyết định tới các xử lý tính toán sau đó. Phân đoạn có thể đóng vai trò trung tâm trong 1 số xử lý kĩ thuật nhƣ phân tích chất lƣợng sản phẩm,hoặc là 1 khâu trung gian cần thiết cho các quá trình xử lý tiếp theo nhƣ các xử lý trong y học. II.MỘT SỐ PHƢỚNG PHÁP PHÂN ĐOẠN ẢNH Y HỌC. 1. Phân đoạn giựa vào ngƣỡng biên độ 1.1. Giới thiệu Biên độ của các tính chất vật lý của ảnh (nhƣ là độ phản xạ, độ truyền sáng, mầu sắc ) là một đặc tính đơn giản và rất hữu ích. Nếu biên độ đủ lớn đặc trƣng cho ảnh thì chúng ta có thể dùng ngƣỡng biên độ để phân đoạn ảnh. Thí dụ, biên độ trong bộ cảm biến hồng ngoại có thể phản ánh vùng có nhiệt độ thấp hay vùng có nhiệt độ cao. Đặc biệt, kỹ thuật phân ngƣỡng theo biên độ rất có ích đối với ảnh nhị phân nhƣ văn bản in, đồ họa, ảnh màu hay ảnh X-quang. Việc chọn ngƣỡng trong kỹ thuật này là một bƣớc vô cùng quan trọng, thông thƣờng ngƣời ta tiến hành theo các bƣớc chung nhƣ sau: Xem xét lƣợc đồ xám của ảnh để xác định đỉnh và khe. Nếu ảnh có nhiều đỉnh và khe thì các khe có thể sử dụng để chọn ngƣỡng. Chọn ngƣỡng T sao cho một phần xác định trƣớc ŋ của toàn bộ số mẫu Điều chỉnh ngƣỡng dựa trên xét lƣợc đồ xám của các điểm lân cận. Chọn ngƣỡng bằng cách xem xét lƣợc đồ xám của những điểm thoả mãn tiêu chuẩn đã chọn. Một thuật toán đơn giản trong kỹ thuật này là: giả sử rằng chúng ta đang quan tâm đến các đối tƣợng sáng (object) trên nền tối (background), một tham số T gọi là ngƣỡng độ sáng, sẽ đƣợc chọn cho một ảnh f[x,y] theo cách: If f[x,y] ≥ T f[x,y] = object =1 Else f[x,y] = background = 0 Ngƣợc lại, đối với các đối tƣợng tối trên nền sáng chúng ta có thuật toán sau: If f[x,y] < T f[x,y] = object = 1 Else f[x,y] = Background = 0. Vấn đề chính là nên chọn ngƣỡng T nhƣ thế nào để việc phân vùng đạt đƣợc kết quả cao nhất ? Có rất nhiều thuật toán chọn ngƣỡng: ngƣỡng cố định, dựa trên lƣợc đồ, sử dụng Entropy, sử dụng tệp mờ, chọn ngƣỡng thông qua sự không ổn định của lớp và tính thuần nhất của vùng . Ở đây chúng tôi đề cập đến hai thuật toán chọn ngƣỡng đó là
  45. 36 chọn ngƣỡng cố định và chọn ngƣỡng dựa trên lƣợc đồ. 1.2.Chọn ngƣỡng cỗ định. Đây là phƣơng pháp chọn ngƣỡng độc lập với dữ liệu ảnh. Nếu biết trƣớc là chƣơng trình ứng dụng sẽ làm việc với các ảnh có độ tƣơng phản rất cao, trong đó các đối tƣợng quan tâm rất tối còn nền gần nhƣ là đồng nhất và rất sáng thì việc chọn ngƣỡng T= 128 (xét trên thang độ sáng từ 0 đến 255) là một giá trị chọn khá chính xác. Chính xác ở đây hiểu theo nghĩa là số các điểm ảnh bị phân lớp sai là cực tiểu. 1.3.Chọn ngƣỡng dựa trên lƣợc đồ (Histogram) Trong hầu hết các trƣờng hợp, ngƣỡng đƣợc chọn từ lƣợc đồ độ sáng của vùng hay ảnh cần phân đoạn. Có rất nhiều kỹ thuật chọn ngƣỡng tự động xuất phát từ lƣợc độ xám {h[b] I b = 0, 1,2B -1} đã đƣợc đƣa ra. Những kỹ thuật phổ biến sẽ đƣợc trình bày dƣới đây. Những kỹ thuật này có thể tận dụng những lợi thế do sự làm trơn dữ liệu lƣợc đồ ban đầu mang lại nhằm loại bỏ những dao động nhỏ về độ sáng. Tuy nhiên các thuật toán làm trơn cần phải cẩn thận, không đƣợc làm dịch chuyển các vị trí đỉnh của lƣợc đồ. Nhận xét này dẫn đến thuật toán làm trơn dƣới đây: Trong đó w thƣờng đƣợc chọn là 3 hoặc 5 1.3.1.Thuật toán đẳng liệu Đây là kĩ thuật chọn ngƣỡng theo kiểu lặp do Ridler và Calvart đƣa ra. Thuật toán đƣợc mô tả nhƣ sau: B-1 -B1: Chọn giá trị ngƣỡng khởi động θ0= 2 -B2: Tính các trung bình mẫu (mf,0) của-những điểm ảnh thuộc đối tƣợng và (m b,0) của những điểm ảnh nền. - B3: Tính các ngƣỡng trung gian theo công thức: m f,k-1 + m b,k-1 với k =1,2, θ k= 2 - B4: Nếu θk = θk-1 kết thúc. Dừng thuật toán. Ngƣợc lại thì lặp tiếp bƣớc 2.
  46. 37 1.3.2.Thuật toán đối xứng nền Kỹ thuật này dựa trên sự giả định là tồn tại hai đỉnh phân biệt trong lƣợc đồ nằm đối xứng nhau qua đỉnh có giá trị lớn nhất trong phần lƣợc đồ thuộc về các điểm ảnh nền. Kỹ thuật này có thể tận dụng ƣu điểm của việc làm trơn đƣợc mô tả trong phƣơng trình (3.1). Đỉnh cực đại Maxp tìm đƣợc nhờ tiến hành tìm giá trị cực đại trong lƣợc đồ. Sau đó thuật toán sẽ đƣợc áp dụng ở phía không phải là điểm ảnh thuộc đối tƣợng ứng với giá trị cực đại đó nhằm tìm ra giá trị độ sáng a ứng với giá trị phần trăm p% mà: P(a) = p%, trong đó P(a) là hàm phân phối xác suất về độ sáng đƣợc định nghĩa nhƣ sau: Định nghĩa: (Hàm phân phối xác suất về độ sáng) Hàm phân phối xác suất P(a) thể hiện xác suất chọn đƣợc một giá trị độ sáng từ một vùng ảnh cho trƣớc, sao cho giá trị này không vƣợt quá một giá trị sáng cho trƣớc a. Khi a biến thiên từ - ∞ đến + ∞, P(a) sẽ nhận các giá trị từ 0 đến 1. P(a) là hàm đơn điệu không giảm theo a do vậy dp/da ≥ 0. Hình 2.1: Minh họa thuật toán đối xứng nền Ở đây ta đang giả thiết là ảnh có các đối tƣợng tối trên nền sáng. Giả sử mức là 5%,có nghĩa là ta phải ở bên phải đỉnh maxp một giá trị a sao cho P(a)=95%. Do tính đối xứng đã giả định ở trên, chúng ta sử dụng độ dịch chuyển về phía trái của điểm cực đại tìm giá trị ngƣỡng T: T = maxp - (a - maxp) Kỹ thuật này dễ dàng điều chỉnh đƣợc cho phù hợp với tình huống ảnh có các đối tƣợng sáng trên một nền tối. 1.3.3.Thuật toán tam giác. Khi một ảnh có các điểm ảnh thuộc đối tƣợng tạo nên một đỉnh yếu trong lƣợc đồ ảnh thì thuật toán tam giác hoạt động rất hiệu quả. Thuật toán này do Zack đề xuất và đƣợc mô tả nhƣ sau: Bl: Xây dựng đƣờng thẳng A là đƣờng nối hai điểm (Hmax, bmax) và (Hmin, bmin), trong đó Hmax là điểm có Histogram lớn nhất ứng với mức xám bmax
  47. 38 và Hmin là điểm có Histogram ứng với độ sáng nhỏ nhất bmin B2: Tính khoảng cách d từ Hb của lƣợc đồ (ứng với điểm sáng b) đến ∆ Trong đó, b [bmax, bmin] B3: Chọn ngƣỡng T = Max{Hb } Minh hoạ thuật toán tam giác bởi hình vẽ nhƣ sau: Hình 2.2. Minh họa thuật toán tam giác 1.3.4. Chọn ngƣỡng đối với Bimodal Histogram Ngƣỡng T đƣợc chọn ở tại vị trí cực tiểu địa phƣơng của histogram nằm giữa hai đỉnh của histogram. Điểm cực đại địa phƣơng của histogram có thể dễ dàng đƣợc phát hiện bằng cách sử dụng biến đổi chóp mũ (top hat) do Meyer đƣa ra: phụ thuộc vào tình huống đang phải làm việc là với những đối tƣợng sáng trên nền tối hay đối tƣợng tối trên nền sáng mà phép biến đổi top hat sẽ có một trong hai dạng sau: a.Các đối tƣợng sáng: A, B) = A - ( A o B) = A - maxB(minA( A)) (3.3) b.Các đối tƣợng tối: TopHat (A, B)= A - (AoB)= A - minB(maxA( A)) (3.4) Việc tính toán giá trị cực tiểu địa phƣơng của histogram thì khó nếu histogram nhiễu. Do đó, trong trƣờng hợp này nên làm trơn histogram.
  48. 39 Hình 2.3. Bimodal Histogram Trong một số ứng dụng nhất định, cƣờng độ của đối tƣợng hay nền thay đổi khá chậm. Trong trƣờng hợp này, histogram ảnh cỏ thể không chứa hai thùy phân biệt rõ ràng, vì vậy có thể phải dùng ngƣỡng thay đổi theo không gian. Hình ảnh đƣợc chia thành những khối hình vuông, histogram và ngƣỡng đƣợc tính cho mỗi khối tƣơng ứng. Nếu histogram cục bộ không phải là bimodal histogram thì ngƣỡng đƣợc tính bằng cách nội suy ngƣỡng của các khối láng giềng. Khi ngƣỡng cục bộ đã có thì áp dụng thuật toán phân ngƣỡng ở hình 3.1 cho khối này. 2. Phân đoạn dựa trên cơ sở vùng 2.1: Giới thiệu Mục đích của phân đoạn là phân chia bức ảnh ra thành nhiều vùng. Trong phần 1 đã tiếp cận bài toán này bằng phƣơng pháp tìm đƣờng biên giữa các vùng trên cơ sở sự không liên tục của độ xám, trong đoạn 2 phân đoạn đƣợc thực hiện qua ngƣỡng các pixel có thuộc tính phân biệt, nhƣ giá trị của độ xám hoặc màu. Trong phần này chúng ta tìm hiểu về kỹ thuật phân đoạn dựa trên tìm kiếm các vùng một cách trực tiếp . 2.2. Cộng thức cơ bản Cho R mô tả toàn bộ vùng ảnh. Chúng ta xem phân đoạn ảnh là chia R thành n vùng nhỏ nhƣ R1,R2, ,Rn, vì thế: Ri liên thông ,i=1,2, ,n Ri∩Rj = với mọi i và j , i # j P(Rj) =TRUE với i=l,2, ,n. P(R  Rj) = FALSE với i#j. Ở đây, P{Ri) là một hàm logic đƣợc định nghĩa trƣớc cho mọi điểm Ri và là tập rỗng. Điều kiện (a) chỉ ra sự phân đoạn đã kết thúc, điều này có nghĩa mỗi pixel đều đã nằm trong một vùng. Điều kiện b yêu cầu những điểm nằm trong một vùng phải liên thông trong một điều kiện giới hạn trƣớc. Điều kiện c cho biết các vùng phải rời nhau. Điều kiện (d) đòi hỏi những điểm đã đƣợc phân đoạn phải thỏa mãn một vài thuộc tính
  49. 40 đã đƣợc xác định trƣớc; ví dụ P(Ri)=TRUE nếu tất cả pixel trong Rj có mức xám giống nhau. Cuối cùng điều kiện (e) nghĩa là chân trị của P theo các vùng Ri và Rj khác nhau nếu j khác i. 2.3. Tăng vùng Tăng vùng là một thủ tục nhóm các pixel hoặc các miền thành những vùng lớn hơn dựa trên các điều kiện giới hạn trƣớc . Chọn một tập bắt đầu, gồm một hoặc nhiều điểm, thƣờng dựa trên bản chất tự nhiên. Khi một điều kiện trong những phần trƣớc không có giá trị, thủ thuật này sẽ xem xét mọi pixel giống nhƣ tập thuộc tính ban đầu để cuối cùng gộp các pixel đó vào những vùng trên trong suốt quá trình phát triển vùng. Kết quả xử lý của những cụm điểm những pixel sẽ đƣợc xem là “hạt” (seeds) nếu thuộc tính của chúng gần với tâm thuộc tính của cụm pixel đó. Việc chọn tiêu chuẫn phụ thuộc vào từng loại ảnh. Ví dụ phân tích ảnh chụp vệ tinh trái đất phụ thuộc vào màu sẳc. Với ảnh trắng đen, phân tích vùng phải giải thích đƣợc một tập mô tả dựa trên giá trị mức xám và đặc trƣng không gian. Hình 2.4 Việc mô tả các thuộc tính một cách rời rạc có thể đƣa ra những kết quả sai lạc khi thông tin liên thông hoặc lân cận không đƣợc dùng trong quả trình phát triển vùng. Ví dụ, hiển thị một khoảng bất kỳ những pixel với ba giá trị mức xám tách biệt. Những pixel phát triển thì có giá trị mức xám giống nhau để có dạng một “vùng” mà không chú ý đến vấn đề liên thông sẽ đƣa ra một kết quả phân đoạn vô nghĩa trong ngữ cảnh này. Một vấn đề khác trong phát triển vùng là dạng của điều kiện dừng. Cơ bản phát
  50. 41 triển vùng sẽ dừng khi không có pixel nào thỏa mãn tiêu chuẩn để nằm trong vùng đó. Tiêu chuẩn chẳng hạn nhƣ mức xám, cấu trúc, màu là những bản chất cục bộ, không xét đến lịch sử của quá trình phát triển vùng. Thêm tiêu chuẩn sẽ làm tăng thêm sức mạnh của định luật phát triến vùng dùng khái niệm của kích thƣớc, sự giống nhau của một pixel ứng cử và những pixel đã đƣợc phát triển, và hình của những vùng đã đƣợc phát triển. Sử dụng những loại tiêu chuẩn đã đƣợc miêu tả, dựa trên giả thuyết kiểu của kết quả đƣợc mong đợi có giá trị từng phần bé nhất. Hình 2.4-a thể hiện một ảnh X-quang của mối hàn chứa nhiều vết nức và độ rỗng, chúng ta sẽ sử dụng phát triển vùng để phân đoạn vùng của những mối hàn bị hỏng. Đặc điểm của phân đoạn này có thể đƣợc dùng để kiểm tra, điều khiển một hệ thống hàn tự động và cho nhiều ứng dụng khác. Vấn đề đầu tiên là cần xác định những điểm hạt. Trong ứng dụng này những pixel của mối hàn bị hỏng có xu hƣớng đạt đến giá trị mức xám lớn nhất (trong trƣờng hợp này là 255). Dựa trên thông tin này chúng ta chọn tập điểm bắt đầu là tất cả những điểm có giá trị 255. Những điểm nhƣ vậy đƣợc trích ra từ ảnh gốc nhƣ trong hình 2.4b. Chú ý rằng có nhiều điểm nằm trong những vùng hạt. Bƣớc tiếp theo là chọn tiêu chuẩn phát triển vùng. Trong ví dụ này chúng ta chọn hai tiêu chuần để một pixel đƣợc thêm vào một vùng : Trị tuyệt đối hiệu mức xám giữa một pixel bất kỳ và hạt phải nhỏ hơn 65. Con số này dựa trên histogram trong hình 2 .4 Để đƣợc nhóm vào một vùng, trong tám liên thông của một pixel phải có ít nhất một pixel nằm trong vùng đó. Trong hình 2.4c biểu diễn kết quả của phát triển vùng dựa trên tập điểm bắt đầu trong hình 2.4b và sử dụng hai tiêu chuẩn đã đƣợc định nghĩa ở trên. Những đƣờng biên đè lên trên ảnh gốc trong hình 2.4d đã thật sự bộc lộ những mối hàn hỏng với một mức độ chấp nhận hợp lý. Hình2.5. Histogram của 2.4 2.4. Chia và chọn vùng Đặt R biểu diễn toàn bộ vùng ảnh và chọn tính chất p cho trƣớc. Một phƣơng
  51. 42 pháp phân đoạn R là chia nó ra thành những vùng nhỏ hơn và những vùng tứ phân nhỏ hơn, đối với bất kì vùng Ri nào, P(Ri)=TRUE. Chúng ta bắt đầu với toàn bộ vùng. Nếu P(R)=FALSE thì ta chia ảnh thành 4 phần. Nếu P là FALSE cho bất kì vùng tứ phân nào, chúng ta chia vùng tứ phân đó thành 4 phần nhỏ hơn, và cứ tiếp tục nhƣ thế. Kỹ thuật phân chia đặc biệt này có sự thuận lợi trong biễu diễn đƣợc gọi là cây tứ phân (Quadtree). Chú ý rằng gốc của cây tứ phân tƣơng ứng với toàn bộ ảnh và mỗi node tƣơng ứng với phần chia nhỏ hơn. Trong trƣờng hợp này, chỉ R4 đƣợc chia nhỏ hơn nữa. Nếu chỉ phân chia thì phần cuối cùng sẽ chứa những vùng gần nhau có cùng thuộc tính. Trở ngại này có thể đƣợc khắc phục bằng cách hợp lại. Để thỏa mãn điều kiện đòi hỏi hợp chỉ những vùng gần nhau mà có những pixel tổng hợp thỏa tính chất p. Nghĩa là 2 vùng lân cận Ri và Rj đƣợc hợp lại nếu P(Ri U Rk)=TRUE. Hình 2.6 a. Hình đƣợc chia cắt b.Câyquanhệtƣơngứng Tóm lại có thủ tục sau: Chia thành 4 vùng bằng nhau bất kì vùng nào có P(Rj)= FALSE Hợp những vùng kề nhau Ri và Rj vói P(Ri  Rj)=TRUE Dừng nếu không thể phân chia hoặc không thể hợp đƣợc nữa. Hình 1.44 a) hiển thị một ảnh đơn. Chúng ta định nghĩa P(Ri) = TRUE nếu có ít nhất 80% các pixel trong Rj có thuộc tính |zj-mi|<2 σi với Zj là mức xám của pixel thứ j trong vùng Ri, mi là mức xám của vùng đó, và σi là độ lệch chuẩn của mức xám trong Ri. Nếu P(Ri)=TRUE trong điều kiện này, giá trị của tất cả các pixel đƣợc đặt bằng với mi. Phân chia và hợp đƣợc thực hiện sử dụng thuật toán trên.
  52. 43 Hình 2.7 a. Hình ban đầu b. Kết quả sau khi tách và trộn c. Kết quả sau khi phân ngƣỡng hình (a) Kết quả của việc áp dụng kĩ thuật này vào ảnh trong hình 2.7a đƣợc hiễn thị trong hình 2.7b. Chú ý rằng ảnh đã đƣợc phân đoạn hoàn toàn. Ảnh hiển thị trong hình 2.7c nhận đƣợc bởi phân ngƣỡng hình 2.7a, với một ngƣỡng đặt tại điểm chính giữa của 2 đỉnh chính của Histogram. 3. Phân đoạn theo miền đồng nhất 3.1. Giới thiệu. Kỹ thuât phân đoạn ảnh thành các miền đồng nhất dựa vào các thuộc tính quan trọng nào đó của miền. Mỗi một thuộc tính khi sử dụng thì có một tiêu chuẩn phân đoạn tƣơng ứng. Một số thuộc tính tiêu biểu nhƣ: mức xám, màu sắc ( đối với ảnh màu), kết cấu sợi vv Giả sử ảnh X phải đƣợc phân thành N vùng khác nhau R1, R2, RN và nguyên tắc phân đoạn là một vị từ của công thức P(R). Việc phân đoạn ảnh chia tập X thành} các tập con Ri, i = 1 N phải thỏa mãn: -Các vùng Ri, i=l. N phải lấp kín hoàn toàn ảnh: -Hai vùng khác nhau phải là những tập hợp rời nhau: Ri ∩ Rj = 0 với i # j -Mỗi vùng Ri phải có tính đồng nhất: P(Ri) = TRUE với i = 1 N Nếu Ri, Rj là hai vùng rời nhau thì (Ri ∩ Rj) phải là một vùng ảnh không đồng nhất: P(R i  Rj) = FALSE với i # j Kết quả của việc phân vùng ảnh phụ thuộc vào dạng của vị từ p và các đặc trƣng đƣợc biểu diễn bởi vectơ đặc trƣng. Thƣờng thì vị từ p có dạng P(R,X,t), trong đó X là vectơ đặc trƣng gắn với một điểm ảnh và t là một tập hợp các tham số
  53. 44 (thƣờng là các ngƣỡng). Trong trƣờng hợp đơn giản nhất, vectơ đặc trƣng X chỉ chứa giá trị mức xám của ảnh I(k,l) và vectơ ngƣỡng chỉ gồm một ngƣỡng T. Một nguyên tắc phân đoạn đơn giản có công thức: P(R): f(k,l) < T Trong trƣờng hợp các ảnh màu, vectơ đặc trƣng X có thể là ba thành phần ảnh RGB [fR(k,l), fG(k,l), fB(k,l)]T. Lúc đó luật phân ngƣỡng có dạng: P(R,x,t): ((fR(k,l)<TR)&& (fG(k,r)<TR)&&(fB(k,l)<TR)) 3.2. Phƣơng pháp tách cây tứ phân. Phƣơng pháp tách cây tứ phân dựa trên nguyên tắc kiểm tra tính hợp thức của tiêu chuẩn đồng nhất một cách tổng thể trên miền lớn. Nếu tiêu chuẩn đƣợc thoả mãn việc phân đoạn coi nhƣ kết thúc. Trong trƣờng hợp ngƣợc lại, chia miền đang xét thành 4 miền nhỏ hơn, áp dụng đệ quy bằng phƣơng pháp trên cho mỗi miền nhỏ hơn cho đến khi tất cả các miền đều thoả mãn tiêu chuần đồng nhất. Thuật toán đƣợc mô tả nhƣ sau: Procedure PhanDoan(Miền) Begin If miền đang xét không thoả Then Begin Chia miền đang xét thành 4 miền: Zl, Z2, Z3, Z4 For i=l to 4 Do PhanDoan(Zi) End Else Exit End; Thuật toán này tạo nên một cây mà mỗi nút cha có 4 nút con ở mọi mức, trừ mức ngoài cùng. Vì thế cây này có tên là cây tứ phân. Gốc của cây là ảnh ban đầu, một vùng thoả mãn tiêu chuẫn tạo nên một nút lá, nếu không sẽ tạo nên một nút nhánh. Giả sử chọn tiêu chuẩn phân vùng là màu sắc và quy ƣớc mọi điểm của vùng là màu trắng sẽ tạo nên một nút lá trắng và tƣơng tự nhƣ vậy với nút lá đen. Nút màu ghi có nghĩa là vùng không thuần nhất và phải tiếp tục chia. Hinh 2.8 - minh họa thuật toán tách cây tứ phân: ảnh gốc (a) đƣợc chia thành 4 phần đƣợc kết quả phân mức 1 (b), tiếp tục thực hiện đối với các phần nhỏ, ta đƣợc phân mức 2,3.
  54. 45 c. phần mức 2 d. phân mức3 Hình 2.8. Minh họa thuật toán tách cây tứ phân 3.3. Phƣơng pháp phân vùng hợp Phƣơng pháp phân vùng bởi hợp thao tác ngƣợc lại với phƣơng pháp tách cây tứ phân, nghĩa là xuất phát từ các miền nhỏ nhất - các điểm ảnh rồi hợp chúng lại nếu thoả mãn tiêu chuẩn đề ra để đƣợc miền đồng nhất lớn hơn. Tiếp tục với các miền thu đƣợc cho đến khi ta không thể hợp nhất chúng với nhau nữa, lúc này số miền còn lại chính là các phân vùng của ảnh. Việc hợp nhất hai miền phải thoả mãn hai nguyên tắc sau: Hai vùng phải kế cận. Hai vùng phải đáp ứng tiêu chuần, nhƣ cùng màu, cùng mức xám hay cùng kết cấu Giả sử vùng Ri có n điểm, lúc đó giá trị trung bình mi và độ lệch tiêu chuẩn σi đƣợc tính theo công thức: Hai vùng R1 và R2: có thể hợp thành một vùng nếu |m1 – m2| < T và điểm I(k,l) sẽ đƣợc hợp với vùng Ri nếu | I(k,l) – mi| < T , với T là một ngƣỡng. Đầu tiên chúng ta cố gắng hợp điểm (k, 1) với một trong các vùng lân cận Ri. Nếu việc hợp không thành công thì ta hợp với các vùng khác đã có. Nếu vẫn không
  55. 46 thành hoặc không có vùng lân cận tồn tại thì điểm này đƣợc coi là một vùng mới Sau khi hợp nhất (k,l) vào vùng R thi ta phải cập nhật lại giá trung bình và độ lệch tiêu chuẩn: Nếu có nhiều hơn một vùng lân cận thỏa mãn thì hợp điểm (k,l) với vùng Ri sao cho sự khác biệt |(k,l)-mi| nhỏ nhất. Cũng trong phƣơng pháp pháp phân vùng bởi hợp, có một cách tiếp cận khác với kỹ thuật trên, đó là phƣơng pháp phân vùng dựa vào đồ thị. Phân vùng dựa trên đồ thị tìm cách hợp nhất hai miền Ri và Rj theo tính chất so sánh giữa hai cặp miền. 3.4. Phƣơng pháp tách hợp (Split- Meger) Hai phƣơng pháp vừa xét ở trên có một số nhƣợc điểm . Phƣơng pháp tách tạo nên một cấu trúc phân cấp và thiết lập mối quan hệ giữa các vùng. Tuy nhiên nó thực hiện việc chia quá chi tiết. Phƣơng pháp hợp cho phép giảm số vùng liên thông xuống mức tối thiểu nhƣng cấu trúc hàng ngang dàn trải, không cho ta thấy mối liên hệ giữa các vùng. Chính vì nhƣợc điểm này ta nghĩ đến việc phối hợp cả 2 phƣơng pháp. Trƣớc tiên dùng phƣơng pháp tách để tạo nền cấy tứ phân, phân đoạn theo hƣớng từ gốc lên lá. Tiếp theo tiến hành duyệt cây theo chiều ngƣợc lại và hợp các vùng có cùng tiêu chuẩn. Với phƣơng pháp này ta thu đƣợc miêu tả cấu trúc của ảnh với các miền liên thông có kích thƣớc tối đa. Giải thuật trên gồm một số bƣớc sau: 1.Kiểm tra tiêu chuẩn đồng nhất 1.1 Nếu không thỏa mãn và sổ điểm trong vùng lớn hơn một điểm, tách làm 4 vùng (trên, dƣới, trái, phải) bằng cách gọi đệ quy. Nếu kết quả tách xong và không tách đƣợc nữa thì chuyển sang bƣớc 1.2 1.2 Nếu tiêu chuẩn đồng nhất là thỏa mãn thì tiến hành hợp vùng và cập nhật giá trị trung bình cho vùng. 2.Hợp vùng: cần kiểm tra 4 lân cận đã nêu trên. Có thể có nhiều vùng thỏa mãn khi đó ta chọn vùng tối ƣu rồi tiến hành hợp. Phƣợng pháp này thu đƣợc kết quả số vùng là nhỏ hơn phƣơng pháp tách và ảnh đƣợc làm trơn hơn. 4. Phân đoạn ảnh dựa vào đồ thị.
  56. 47 Phân đoạn ảnh dựa vào đồ thị là một phƣơng pháp tiếp cận khá hiện đại dựa trên thuộc tính non-local của ảnh đầu vào. Phƣơng pháp này phát hiện ra biên giữa hai vùng của ảnh bằng cách so sánh sự khác nhau giữa nội vùng (inter- component) với sự khác nhau với các vùng khác. Thuật toán phân đoạn dựa vào đồ thị tuân theo chiến lƣợc tham lam, có thời gian chạy gần nhƣ tuyến tính, nhƣng vẫn đảm bảo đƣợc việc phân đoạn chính xác và hiệu quả. 4.1. Giới thiệu. Các phƣơng pháp phân đoạn ảnh cổ điển đều có chung một nhƣợc điểm là chạy rất chậm trong các ứng dụng xử lý ảnh và hầu nhƣ không nắm bắt đƣợc các thuộc tính non-local quan trọng của ảnh. Vì vậy, hầu hết các nghiên cứu của những năm gần đây đều có xu hƣớng tìm kiếm một kỹ thuật phân đoạn có khả năng xử lý trong cơ sở dữ liệu ảnh lớn một cách nhanh chóng, chính xác vả hiệu quả. Kỹ thuật phân đoạn dựa vào đồ thị đƣợc mô tả ở đây không những vừa nắm bắt đƣợc các đặc tính non-local mà độ phức tạp tính toán chỉ là 0(nlogn) đối với bức ảnh có n điểm ảnh (pixel). Giống nhƣ các phƣơng pháp phân cụm cổ điển, phƣơng pháp này cũng dựa trên việc chọn các cạnh từ một đồ thị. Đồ thị này đƣợc xây dựng bằng cách coi mỗi điểm ảnh là một đỉnh, hai điểm ảnh kề nhau thì đƣợc nối bởi một cạnh vô hƣớng, trọng số trên một cạnh thể hiện sự khác nhau giữa hai điểm ảnh. Tuy nhiên, phƣơng pháp này thực hiện việc điều chỉnh sự phân đoạn dựa vào mức độ thay đổi giữa các miền lân cận của ảnh. Lấy một ví dụ đơn giản thể hiện việc nắm bắt đƣợc các đặc tính non-local của phƣơng pháp này.Để ý vào ảnh phía trên bên trái của hình hầu hết đều nói rằng bức ảnh này có ba miền phân biệt: một hình chữ nhật ở nửa bên trái, một hình chữ nhật đặc ở giữa nửa bên phải và phần bao quanh hình chữ nhật đặc này. Hình 2.9. Nhận dạng các vùng ảnh Phƣơng pháp phân đoạn dựa vào đồ thị sẽ tìm dấu hiệu đƣờng biên giữa hai vùng bằng cách so sánh hai đại lƣợng: một là dựa vào cƣờng độ khác nhau dọc theo đƣờng biên và hai là dựa vào cƣờng độ khác nhau giữa các điểm ảnh với mỗi vùng. 4.2.Phân đoạn dựa vào đồ thị.
  57. 48 Cho G = (V,E) là một đồ thị vô hƣớng với các đỉnh Vi V, là tập hợp các phần tử cần đƣợc phân đoạn và các cạnh (vi ,vj) E, tƣơng ứng với các cặp đỉnh lân cận nhau. Mỗi cạnh (vi ,vj) E có một trọng số tƣơng ứng, trọng số là một số không âm đo sự khác nhau giữa hai phân tử lân cận vi và vj, ký hiệu w(vi, vj).Ở đây trọng số của cách cạnh đo sự khác nhau giữa hai điểm nối bởi cạnh đó (có nhiều mức độ khác nhau: màu sắc, vị trí, sự vận động hoặc các thuộc tính khác). Nhƣ vậy phân đoạn một bức ảnh là việc phân chia V thành các thành phần, mà mỗi thành phần (hoặc miền) C V tƣơng đƣơng với một thành phần liên thông trong đồ thị G‟ = , E‟ E. 4.3.Tính chất của so sánh cặp miền. Để có thể dễ dàng định lƣợng dấu hiệu của một đƣờng biên giữa hai vùng trong ảnh, chúng ta định nghĩa một tính chất D. Tính chất này dựa vào độ đo sự khác nhau giữa các phần tử dọc theo một đƣờng biên của hai thành phần liên quan nhằm đo sự khác nhau giữa các phần tử lân cận trong mỗi thành phần. Kết quả là so sánh sự khác nhau giữa nội vùng (inter-component) với sự khác nhau với các vùng khác. Trƣớc hết, ta định nghĩa độ khác nội vùng (internal difference) và độ khác giữa hai vùng (difference between two components). Độ khác nội vùng (internal difference) của một thành phần C V là trọng số lớn nhất trong cây thỏa mãn nhánh tối thiểu của thành phần đó, kí hiệu Int(C). Khi đó. Độ khác giữa hai vùng (defference between two components) C1,C2 V ,là trọng số nhỏ nhất giữa hai vùng ,kí hiệu là Dif(C1,C2) .Khi đó: Nếu không có cạnh nối nào giữa C1 và C2 thì đặt Dif(C1,C2) = ∞.Độ đo sự khác nhau chỉ phản ánh đƣợc cạnh có trong số nhỏ nhất nối giữa hai thành phần. Một khái niệm có liên quan trong định nghĩa về tính chất D là giá trị khác nội vùng nhỏ nhất, kí hiệu Mint. Giá trị Mint đƣợc định nghĩa nhƣ sau: Mint (Cl , c 2 ) = min( Int (Cl ) + X (Cl ) Int (Cl ) + X (C 2 )) (3.11) Hàm ngƣỡng X điều khiển mức độ khác nhau giữa hai thành phần, sao cho giá trị này phải lớn hơn các giá trị khác nội vùng của các thành phần để nhằm mục đích nhận ra đƣờng biên giữa chúng. Đối với các thành phần nhỏ Int(C) là không đủ tốt để ƣớc lƣợng các đặc tính của dữ liệu. Trong một số trƣờng hợp khi |C| = 1 thì Int(C) = 0 với |C| là tích thƣớc của thành phần C. Khi đó chúng ta sử dụng một hàm ngƣỡng dựa trên kích thƣớc của thành phần:
  58. 49 T(C) = k/|C| (3.12) Với k là một tham số hằng. Trong thực tế thi k đƣợc chọn không nhỏ hơn kích thƣớc của thành phần nhỏ nhất. Lúc này tính chất so sánh giữa hai cặp miền C1 và C2, kí hiệu D(C1, C2) đƣợc định nghĩa nhƣ sau: true if D(C , C2) > Mint 1 (3.13) (C1, C2) false otherwise 4.4. Thuật toán và các tinh chất. Trong mục này em xin đƣa ra một thuật toán phân đoạn sử dụng tiêu chuẩn quyết định D đã mô tả ở trên. Ta sẽ chỉ ra rằng phân đoạn bằng thuật toán này sẽ tuân theo các thuộc tính không quá thô (too coarse) và cũng không quá mịn (too fine), theo các định nghĩa sau đây. 4.3.1.Định nghĩa Một phân đoạn đƣợc xem là quá mịn nếu tồn tại một số cặp miền C1,C2 S mà giữa hai miền này không có dấu hiệu của đƣờng biên. Để định nghĩa đƣợc những khái niệm bổ sung cho phân đoạn quá thô, chúng ta đƣa ra khái niệm tinh chỉnh (refinement) của một phân đoạn. Cho hai phân đoạn S và T của cùng một tập cơ sở, ta nói rằng T là một tinh chỉnh (refinement) của s khi mỗi thành phần của T đƣợc chứa trong (hoặc bằng) một số thành phần của s. Và ta cũng nói rằng T là một tinh chỉnh đúng của s khi T ≠ S Chú ý rằng nếu T là tinh chỉnh đúng của S thì T có thể đƣợc chứa bởi một hoặc một số các miền trong S và S đƣợc gọi là thô hơn T. 4.3.2.Định nghĩa 2 Một phân đoạn đƣợc xem là quá thô khi tồn tại một tinh chỉnh đúng của S mà phân đoạn đó vẫn chƣa là quá mịn. Vấn đề đặt ra là liệu có phải luôn luôn tồn tại phân đoạn không quá thô cũng không quá mịn hay không? Và nếu tồn tại thì phân đoạn đó có là duy nhất không? Thực tế cho thấy là nói chung luôn có thể có nhiều hơn một phân đoạn không quá thô cũng không quá mịn, do đó phân đoạn này là không duy nhất. Đây là một tính chất đặc biệt của phân đoạn ảnh dựa trên đồ thị. 4.3.3.Tinh chất Với một đồ thị hữu hạn G = (V,E) bất kỳ luôn tồn tại một số phân đoạn s không quá thô mà cũng không quá mịn. Chứng minh: Chúng ta dễ dàng nhận thấy là tính chất này đúng. Thật vậy, nếu
  59. 50 phân đoạn mà tất cả các phần tử đều nằm trong một thành phần, thì phân đoạn này là không quá mịn, vì nó chỉ có đúng một thành phần (định nghĩa 1). Nếu mà phân đoạn này cũng không quá thô thì coi nhƣ xong. Ngƣợc lại, theo định nghĩa 2, thì sẽ có một tinh chỉnh đúng mà ko quá mịn. Lấy một trong số các tinh chỉnh đó và lặp lại thủ tục này cho đến khi chúng ta sẽ thu đƣợc một phân đoạn không quá thô. Trở lại với thuật toán phân đoạn dựa trên đồ thị, thuật toán này gần với thuật toán Kruskal xây dựng cây tỏa nhảnh tối thiểu của một đồ thị. Độ phức tạp của thuật toán là 0(m log m), trong đó m là số cạnh của đồ thị. 4.3.4. Thuật toán Thuật toán phân đoạn Input: Đồ thị G = (V, E) gồm n đỉnh và m cạnh Output: Một phân đoạn của V thành các thành phần S = (C1,C2, ) Thuật toán: Bƣớc 0 : sắp xếp các cạnh của G theo thứ tự không giảm của trọng số. π = (ol , o2 , ,0 m) Bƣớc 1: Bắt đầu với phân đoạn S°, lúc nằy mỗi đỉnh nằm trong 1 thành phần. Bƣớc 2: Lặp lại bƣớc 3 với q = 1, ,m Bƣớc 3 : Xây dựng Sq từ S q-1 nhƣ sau: Cho vi và vj là hai đỉnh nối với nhau bởi cạnh thứ q, tức là Oq = (vi,vj). Nếu vi và vj nằm trong hai thành phân tách rời nhau của S q-1 và w (oq) nhỏ hơn sự khác nhau nội vùng của cả hai thành phần thì trộn hai thành phần này với nhau, ngƣợc lại không làm gì cả. Cụ thể hơn gọỉ q-1 q-1 q-1 q-1 Ci là thành phần của S chứa Vi và Cj là thành phần của S chứa Vj. Nếu q-1 q-1 q-1 q-1 q q-1 Ci # Cj và w(oq) < Mint(Ci ,CJ ) thì S thu đƣợc từ S bằng cách trộn q-1 q-1 q q-1 Ci với Cj Ngƣợc lại S =S . Bƣớc 4: Trả về kết quả S = Sm Chúng ta sẽ chứng minh rằng phân đoạn S đƣợc xây dựng trong thuật toán trên là tuân theo các thuộc tính toàn cục khi sử dụng tính chất so sánh cặp miền đã định nghĩa trong phần trƣớc. Nghĩa là mặc dù thuật toán chỉ dựa vào các quyết định tham lam nhƣng phân đoạn đƣợc xây dựng vẫn thỏa mãn các thuộc tính toàn cục. Kết luận: Trong chƣơng II em đã trình bày 1 số kỹ thuật phần đoạn cơ bản nhƣ: phân đoạn dựa vào ngƣỡng, phân đoạn dựa trên cơ sở vùng, phân đoạn theo miền đồng nhất và phân đoạn ảnh dựa vào đồ thị. Để cài đặt thử nghiệm chƣơng trình phân đoạn ảnh ứng dụng trong lĩnh vực Y học em xin chuyển sang chƣơng III cài đặt chƣơng trình thử nghiệm
  60. 51 CHƢƠNG III: CÀI ĐẶT CHƢƠNG TRÌNH THỬ NGHIỆM 1.Giới thiệu bài toán Qua quá trình học tập và nghiên cứu của bản thân, em đã xây dựng một chƣơng trình xử lý và phân đoạn ảnh dựa vào ngƣỡng biên độ.Chƣơng trình có một số chức năng chính sau: -Đổi màu ảnh -Làm mịn ảnh -Phân đoạn ảnh dựa vào ngƣỡng biên độ(tìm biên ảnh) -Zoom ảnh theo các mức xác định sẵn có -Biến dạng ảnh 2. Giao diện chính của chƣơng trình Hình 3.1
  61. 52 Hình 3.2
  62. 53 Tài liệu tham khảo Tài liệu Tiếng Việt -Ngô Quốc Tạo (2003), “Bài giảng môn Xử lý ảnh”. -Nguyễn Thanh Thuỷ - Lƣơng Mạnh Bá (1998), ”Nhập môn xử lỷ ảnh íổ”, NXB Khoa học và kỹ thuật, Hà Nội. -Nguyễn Kim Sách (1997), “Xử lý ảnh và video số ”, NXB Khoa học kỹ thuật Hà Nội. -Nguyễn Duy Huề - Phạm Minh Thông (2009), “Chẩn đoản hình ảnh” NXB Giáo dục Việt Nam. Tài liệu Tiếng Anh -J. K. Udupa and s. Samarasekera (1966), "Ftízzy Coimectedness ard Object Definitìon: Theory, Algorithms, and Applications in Imaging Segmentatìon, “Graphical Models and Image Processing, vol. 58, no. pp. 246-261. -S. U. Lee, s. Y. Chung, and R. R Park (1990), "A Comparatìve Períòmance Study of Several Global Thi'eshoIdiiig Tecluiiques for Seginentation," Computer Vision, Graphics, and ĩmagẹ Processừi vol. 52, pp. 171-190. -N. OSTU, "A Thieshold Selection Method from Gray-Level Histogiam (1978),"IEEE Irrans. Systems, Man, and Cybernetics, vol. 8,pp. 62-66.
  63. 54 PHỤ LỤC A: BỆNH HỌC Phần này trình bày về các dạng tổn thƣơng đƣợc đề cập đến trong bài làm, kèm theo đó là một số hình ảnh minh họa điển hình. A.l Tụ máu (lƣới màng cứng (Subdural Hematoma/SDH) Tụ máu dƣới màng cứng (TMDMC) là tụ máu ở khoang dƣới màng cứng, khoang giữa lớp trong màng cứng và màng nhện. Biểu hiện hình ảnh tụ máu dƣới màng cứng cấp (dƣới 3-4 ngày): • Tụ dịch ngoài trục, đậm độ cao, hình liềm, bờ trong không đều. Vƣợt qua đƣợc các khớp sọ. Không vƣợt qua đƣợc các nếp gấp của màng cứng (liềm, lều não) (hình A-l). Có thể vƣơn vào rãnh liên bán cầu, dọc theo liềm não. • Thƣờng kết hợp tổn thƣơng não bên dƣới (dập não,tụ máu khu trú) • Cần điều chỉnh cửa sổ để quan sát TMDMC lƣợng ít. • Hình ảnh: Hình A.1: Tụ máu dƣới màng cứng A.2 Tụ máu ngoài màng cứng (Epidural Hematoma/EDH) - Tụ máu ngoài màng cứng (TMNMC) là tụ máu ở khoang giữa bản sọ và lớp ngoài màng cứng. - Biểu hiện hình ảnh tụ máu ngoài màng cứng cấp (dƣới 3-4 ngày): • Khối choán chỗ ngoài trục, khu trú, hình lồi hai mặt, bờ trong nhẵn. Không chạy qua các khớp sọ (hình A.2). Ở vùng cao của vòm sọ, trên hình cắt ngang, TMNMC thƣờng có bờ không rõ. • Thƣờng kết hợp với các dấu hiệu thoát vị dƣới liềm, xuyên lều hƣớng
  64. 55 xuống, tăng áp lực sọ não. • Khối máu tụ có đậm độ cao, đồng nhất (2/3 trƣờng hợp), đậm độ hỗn hợp (1/3 trƣờng hợp, do máu đang chảy và các vùng máu không đông). Hình A.2: Tụ máu ngoài màng cứng Hình A.2: Tụ máu ngoài màng cứng Phân biệt tụ máu ngoài màng cứng và tụ máu đƣới màng cứng Tụ máu ngoài màng cứng Tụ máu dƣới màng cứng Hình dạng Hình lồi hai mặt Hình liềm Khớp sọ Không vƣợt qua Vƣợt qua Nếp gấp màng cứng (liềm, Vƣợt qua Không vƣợt qua lều não) A.3 Xuất huyết khoang dƣới nhện (subarachnoid hemorrhage) Thƣờng kết hợp với các loại tổn thƣơng khác. Bệnh nguyên: Do tổn thƣơng mạch máu màng mềm, hoặc các mạch máu trong não. Ví trí: Khu trú quanh vùng dập não, rãnh liên bán cầu, hoặc lan tỏa theo khoang dƣới nhện. Hình ảnh: tăng đậm độ ở các rãnh và bể não.
  65. 56 Hình A.3: Xuất huyết khoang dƣới nhện A.4 Xuất huyết trong não thất (intraventricular hemorrhage) Xuất huyết nặng (vỡ khối máu tụ ở nhu mô não lân cận vào não thất), tổn thƣơng đám rối mạch mạc, vỡ phình mạch não. Hình ảnh: Tăng đậm độ trong não thất Hình mức dịch-máu (hay gặp sừng chẩm) Tụ máu khu trú ở đám rối mạch mạc Hình A.4: Xuất huyết trong não thất
  66. 57 A.5 Tụ máu trong não (intracerebral hematoma) Tụ máu trong tổ chức não do tổn thƣơng các mạch máu sâu trong não. Vị trí: thái dƣơng, trán và chẩm - đính (2% trƣờng hợp ở nhân nên và bao trong). Hình ảnh: ổ tụ máu tăng đậm độ trong nhu mô não Hình A.5: Tụ máu trong não PHỤ LỤC B: MỘT SỐ HÌNH ẢNH MINH HỌA GIẢI PHẪU CT NÃO
  67. 58 Hình B.1: Minh họa giải phẫu CT não 1 Nhãn cầu 2 Hố yên 3 Lƣng yên 4 Sừng thái dƣơng 5 Cầu não 6 Bán cầu tiểu não 7 Động mạch thân nền 8 Thùy thái dƣơng 9 Não thất IV 10 Thùy giun Hình B.2: Minh họa giải phẫu CT não 1 Thùy chán 2 Đoạn ngang động mạch não giữa 3 Bể nền (bể yên trên) 4 Thuỳ thái dƣơng 5 Bể quanh củ não sinh tƣ 6 Bể trên thùy giun 7 Rãnh sylvius 8 Cuống đại não 9 Củ não sinh tƣ 10 Thùy chẩm
  68. 59 Hình B.3: Giải phẫu CT não đơn giản 1 Thùy chán 2 Sừng chán não thất bên 3 Thùy đảo 4 Thùy thái dƣơng 5 Bể trên thùy giun 6 Thùy chẩm 7 Liềm đại não 8 Nhân bòe 9 Não thất III 10 Đồ thị 11 Tuyến tùng 12 Sừng chẩm não thất bên Hình B.4: Giải phẫu CT não đơn giản 1 Thùy trán 2 Sừng trán não thất bên 3 Đầu chân đuôi 4 Nhân bòe 5 Đồ thị 6 Sừng chẩm não thất bên 7 Chi trƣớc bao trong 8 Gối bao trong 9 Bao ngoài 10 Chi sau bao trong 11 Thùy chẩm 12 Xoang tĩnh mạch dọc trên
  69. 60 Hình B.5: Giải phẫu CT não đơn giản 1 Liềm đại não trƣớc 2 Thuỳ trán 3 Thuỳ đính 4 Thuỳ chẩm 5 Thể chai 6 Thân não thất bên 7 Liềm đại não sau Hình B.6: Giải phẫu CT não đơn giản 1 Thuỳ trán 2 Thùy đính 3 Thuỳ chầm 4 Trung tâm bán bầu dục 5 Liềm đại não
  70. 61 Hình B.7: Giải phẫu CT não don giản 1 Liềm đại não 2 Rãnh trung tâm 3 Liềm đại não 4 Hồi trán trên 5 Hồi não trƣớc trung tâm 6 Hồi não sau trung tâm