Xem mẫu
- 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.vn
1. 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 (giúp
xuất các đặc điểm nổi bật từ các hình ảnh y
tìm đường biên của ảnh), lọc nhiễu bằng
học 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 hệ
thông tin chi tiết về giải phẫu cũng như các
số tối ưu cho các hình ảnh đó với hàm mục
thành 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 tổng
độ phân giải thấp hơn so với ảnh cộng hưởng
của các hình ảnh tạm thời nhân với các hệ số
từ MRI nhưng nó miêu tả các mô phân tử và
tối ưu tìm được tương ứng. Cuối cùng hình
hoạt động bệnh lý mà ảnh MRI không có.
ảnh tăng cường sẽ được kết hợp với các kênh
Việc tổng hợp hai hình ảnh này đóng vai trò
H và S để chuyển về miền RGB. Thực
quan trọng trọng các ứng dụng y học như
nghiêm cho thấy, phương pháp đề xuất này
chuẩn đoán bệnh. Trên thực tế, một số
có thể giúp cải thiện độ tương phản, loại bỏ
phương pháp tiếp cận giải bài toán này như
nhiễu và làm sắc nét đường biên cho hình
sử dụng không gian màu IHS kết hợp với
ảnh tổng hợp.
biến đổi DWT hoặc PCA [1] gặp phải các
vấn đề là hình ảnh tổng hợp thu được có thể 2. KIẾN THỨC NỀN TẢNG
bị nhiễu và mất thông tin. Để giải quyết vấn
đề, bài báo này đề xuất một phương pháp 2.1. Biến đổi Haar
mới để cải thiện những vấn đề gặp phải ở Là một phương pháp cơ bản để biến đổi
trên. Phương pháp này gồm hai giai đoạn: ảnh thành các thành phần miền số thấp và
giai đoạn thứ nhất là tổng hợp hình ảnh và
cao. Ở cấp độ biến đổi thứ nhất, phép biến
giai đoạn thứ hai là tăng cường chất lượng
đổi Haar sẽ biến đổi ảnh thành 4 thành phần
cho hình ảnh tổng hợp. Trong giai đoạn thứ
LL, LH, HL và HH. Các thành phần này
nhất, việc tổng hợp hình ảnh này tương tự
như cách Sawant SD [1] và các đồng nghiệp thường được sử dụng trong quá trình tổng
đã 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 đàn
chuyển đổi sang miền IHS, các kênh H và S
được 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 pháp
để thu được các thành phần trên miền tần số này khởi tạo bằng một nhóm cá thể ngẫu
sau đó được tổng hợp lại với nhau theo một nhiên và sau đó tìm nghiệm tối ưu bằng cách
quy tắc cụ thể và được biến đổi Haar ngươc cập nhật các thế hệ. Trong mỗi thế hệ, mỗi cá
để thu được hình ảnh tổng hợp. Trong giai thể được cập nhật theo hai vị trí tốt nhất là
đoạn thứ hai, từ hình ảnh tổng hợp thu được và . Trong đó, giá trị thứ nhất là vị
tiến hành tạo ra các hình ảnh tạm thời mà nó trí tốt nhất mà nó đã từng đạt được cho tới
145
- Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8
thời điểm hiện tại, gọi là . Một nghiệm 2.3.3. Nội dung thông tin
tối ưu khác mà cá thể này bám theo là Nội dung thông tin diễn tả lượng thông
nghiệm tối ưu toàn cục , đó là vị trí tốt điệp mà bức ảnh chứa trong đó. Thông số này
nhất trong cả quá trình tìm kiếm cả quần thể còn được gọi là entropy và được tính bằng
từ trước tới thời điểm hiện tại. Cụ thể, vận công thức:
tốc và vị trí của mỗi cá thể được cập nhật ∑ *
theo các công thức sau: i
Trong đó, là tần suất xuất hiện của điểm
= + ( _ )+
ảnh thứ i.
( ) (1) 2.3.4. Độ sắc nét của ảnh
Độ sắc nét của ảnh được tính bằng công thức:
= + (2)
Trong đó: G= ∑ và = ∆ ∆
: Vị trí cá thể thứ i tại thế hệ k ; Trong đó:
: Vận tốc cá thể thứ i tại thế hệ k; ∆u = I (u, v) – I (u + 1, v)
∆v = I (u, v) – I (u, v + 1)
: Vị trí cá thể thứ i tại thế hệ k+1;
I (u, v) là giá trị điểm ảnh tại hàng u, cột v
: Vận tốc cá thể thứ i tại thế hệ k+1; của ảnh;
_ : Vị trí tốt nhất của cá thể thứ i tại I (u + 1, v) là giá trị điểm ảnh tại hàng
thế hệ k ; u + 1, cột v của ảnh;
: Vị trí tốt nhất trong quần thể tại thế I (u, v + 1) là giá trị điểm ảnh tại hàng u,
hệ k; cột v + 1 của ảnh;
= 0.729 là hệ số quán tính; , lần lượt là số hàng, cột của ma trận I.
, : Các hệ số gia tốc, nhận giá trị từ 1.5 3. GIẢI THUẬT ĐỀ XUẤT
đến 2.5;
, : Các số ngẫu nhiên nhận giá trị trong Đầu vào:
khoảng [0, 1]. - Ảnh cộng hưởng từ
- Ảnh màu chụp cắt lớp phát xạ
2.3. Các chỉ số đánh giá
Đầu ra:
2.3.1. Độ sáng của ảnh - Hình ảnh tổng hợp
Công thức tính giá trị trung bình (chỉ số về Bước 1: Các hình ảnh và được
độ sáng) của ảnh là: chuẩn hóa về miền [0, 1]
= ∑ ∑ Bước 2: Ảnh màu được biến đổi sang
,
miền IHS để tách thành 3 kênh I, H, và S.
Trong đó:
Bước 3: Các hình ảnh I và hình ảnh cộng
là giá trị trung bình;
hưởng từ được biến đổi Haar sang miền
, lần lượt là tổng số hàng, cột của ma
tần số như sau: hình ảnh I biến đổi thành 4
trận I;
thành phần (LL, LH, HL, HH) và hình ảnh
, là phần tử hàng u, cột v của ma trận.
( , , , ) tương ứng.
2.3.2. Độ tương phản của ảnh Bước 4: Tạo ra các thành phần mới
Công thức tính độ tương phản (phương , , , như sau: thành
sai) của ảnh: phần = (LL + )/2. Các thành
1 phần còn lại max , ,
= ∑ , , ∑ , ,
M ×N max , và thành phần
Trong đó: max , .
là độ tương phản của ảnh’ Bước 5: Biến đổi ngược Haar đối với 4
, lần lượt là số hàng, cột của ma trận’ thành phần ( , , , ) thu
, là phần tử hàng u, cột v của ma trận.
được ảnh tổng hợp .
146
- Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8
Bước 6: Từ hình ảnh tổng hợp thu Các hình ảnh và là hình ảnh PET và
được, tạo ra các hình ảnh tạm thời , MRI tương ứng với 1,5. Gọi là ảnh
và bằng phương pháp cân bằng kết hợp giữa hình ảnh PET ( ) và hình ảnh
Histogram, dò biên Canny, và lọc trung vị MRI ( ) qua sử dụng phương pháp biến đổi
tương ứng. DWT, ảnh là hình ảnh sau khi sử dụng
Bước 7: Tạo ra hình ảnh kết hợp phương pháp đề xuất đối với ảnh (Xem
Hình 1). Khởi tạo tham số PSO như sau:
với , , 0, 1 được xác định bằng Số lượng cá thể: n = 100.
cách sử dụng phương pháp tối ưu hóa bầy
Hệ số: = = 2.
đàn PSO với hàm mục tiêu là
Hệ số quán tính = 0.729.
. Trong đó, và lần Kết quả đo độ sáng , độ tương phản
lượt là Entropy của hình ảnh và hình ( ), lượng thông tin entropy (E), độ sắc nét
ảnh kết hợp , , lần lượt là phương sai, (G) của ảnh được mô tả trong Bảng 1.
trung bình của ảnh . Bảng 1. Bảng kết quả thực nghiệm
Bước 8: Chuyển các kênh , H và S về
miền RGB để thu được hình ảnh tổng hợp Chỉ số đánh giá
được tăng cường. STT Ảnh
E G
4. KẾT QUẢ THỰC NGHIỆM 0.2327 0.0697 5.1734 0.0465
1
Dữ liệu thực nghiệm gồm bộ ảnh A: 10 0.3169 0.0919 5.4360 0.0702
ảnh bao gồm 5 ảnh màu chụp cắt lớp phát xạ 0.2294 0.0691 5.0247 0.0457
(PET) và 5 ảnh cộng hưởng từ (MRI) đuợc 2
lấy từ thư viện ảnh của đại học Harvard: The 0.3152 0.0906 5.2683 0.0693
whole brain Atlas1. Các ảnh này có kích 0.2172 0.0689 4.7522 0.0399
thước 256x256. 3
0.3020 0.0887 4.9658 0.0598
0.1890 0.0651 4.2950 0.0379
4
0.2241 0.0830 4.4712 0.0686
0.1160 0.0412 3.4615 0.0308
5
0.1497 0.0604 3.5910 0.0640
Kết quả thực nghiệm (Bảng 1) cho thấy 4
chỉ số đánh giá cho kết quả tốt. Vì vậy,
phương pháp đề xuất này giúp nâng cao chất
lượng ảnh ở các khía cạnh như: nâng cao độ
tương phản, giảm nhiễu và làm sắc nét đường
biên ảnh.
5. TÀI LIỆU THAM KHẢO
[1] Sawant SD, Mane S., 2014, Image fusion of
CT/MRI using DWT, PCA methods and
analog DSP processor. International Journal
of Engineering Research and Applications.
[2] J. Kennedy, R. Eberhart, 1995, Particle
Hình 1. Các ảnh trước và sau tăng cường swarm optimization, IEEE International
Conference on Neural Networks.
1
http://www.med.harvard.edu/AANLIB/cases/caseNA/pb9.htm
147
- Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8
148
nguon tai.lieu . vn