Đang tải... (xem toàn văn)
Phân đoạn ảnh CT phổi sử dụng giải thuật EM(2) Phân đoạn ảnh CT phổi sử dụng giải thuật EM(2) Phân đoạn ảnh CT phổi sử dụng giải thuật EM(2) Phân đoạn ảnh CT phổi sử dụng giải thuật EM(2) Phân đoạn ảnh CT phổi sử dụng giải thuật EM(2) Phân đoạn ảnh CT phổi sử dụng giải thuật EM(2) Phân đoạn ảnh CT phổi sử dụng giải thuật EM(2) Phân đoạn ảnh CT phổi sử dụng giải thuật EM(2) Phân đoạn ảnh CT phổi sử dụng giải thuật EM(2) Phân đoạn ảnh CT phổi sử dụng giải thuật EM(2) Phân đoạn ảnh CT phổi sử dụng giải thuật EM(2) Phân đoạn ảnh CT phổi sử dụng giải thuật EM(2)
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN KHOA VẬT LÝ-VẬT LÝ KỸ THUẬT NGÀNH KỸ THUẬT HẠT NHÂN - - KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC Đề Tài: PHÂN ĐOẠN ẢNH CT PHỔI SỬ DỤNG GIẢI THUẬT EM SVTH: NGUYỄN TẤN ĐƯỢC CBHD: TS HOÀNG THỊ KIỀU TRANG CBPB: ThS TRẦN ÁI KHANH THÀNH PHỐ HỒ CHÍ MINH – NĂM 2016 LỜI CẢM ƠN Đầu tiên, xin gửi lời cảm ơn đến Ba, Mẹ - người có cơng sinh thành dưỡng dục Nhờ đức hy sinh cao Ba, Mẹ mà suốt 22 năm qua có điều kiện học tập, tiếp thu tri thức Nhờ động viên tình yêu thương Ba, Mẹ có động lực bước tiếp gặp khó khăn Và nhờ đức tính cần cù, kiên định Ba, Mẹ có tâm với đường mà chọn lựa Cơng trình nhỏ bé ngày hơm nay, tin, phần “cơng trình” mà đời Ba, Mẹ xây đắp Xin dâng lên Đấng sinh thành q nhỏ mn vàn lời biết ơn trẻ Em xin gửi lời cảm ơn đặc biệt đến TS Hoàng Thị Kiều Trang PGS.TS Phạm Thế Bảo (BM Ứng dụng tin học, khoa Toán – tin học, ĐH Khoa học tự nhiên – ĐHQG TpHCM) – người trực tiếp hướng dẫn khóa luận cho em Trong suốt q trình làm việc vừa qua, Thầy Cơ tận tình bảo, nhắc nhở, động viên để em hồn thành tốt cơng việc Những kinh nghiệm, học thức quý báu mà Thầy Cô truyền thụ tảng cho em bước tiếp đường nghiên cứu khoa học Tình cảm yêu thương, quý mến Thầy Cô hành trang để em vững tin bước vào đời Em chân thành cảm ơn ThS Trần Ái Khanh dành thời gian đọc đóng góp ý kiến q giá để hiệu đính cho khóa luận Em xin gửi lời cảm ơn sâu sắc đến quý Thầy Cô thuộc môn Vật lý hạt nhân – Kỹ thuật hạt nhân, khoa Vật lý – Vật lý kỹ thuật, ĐH Khoa học tự nhiên – ĐHQG Tp HCM Trong suốt thời gian qua, Thầy Cô tạo điều kiện thuận lợi để em học tập hồn thành tốt khóa luận Cuối cùng, xin gửi lời cảm ơn đến bạn bè, người kề vai sát cánh, chia sẻ vui buồn, động viên cho lời khuyên quý báu sống Cầu mong cho người ln có nhiều sức khỏe, hạnh phúc thành cơng! Tp Hồ Chí Minh, ngày 16 tháng 06 năm 2016 Nguyễn Tấn Được i MỤC LỤC LỜI CẢM ƠN i MỤC LỤC ii DANH MỤC HÌNH ẢNH VÀ ĐỒ THỊ iv DANH MỤC BẢNG BIỂU v DANH MỤC TỪ VIẾT TẮT vi LỜI MỞ ĐẦU .1 CHƯƠNG 1: TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP PHÂN ĐOẠN ẢNH CT 1.1 Tổng quan ảnh CT .2 1.1.1 Nguyên lý ghi hình CT .2 1.1.2 Nguyên lý dựng ảnh CT .4 1.2 Một số phương pháp phân đoạn ảnh CT 1.2.1 Định ngưỡng .5 1.2.2 Loang vùng 1.2.3 Đường biên động 1.2.4 Atlas hướng dẫn 1.2.5 Phân đoạn sử dụng giải thuật EM CHƯƠNG 2: GIẢI THUẬT EM TRONG PHÂN ĐOẠN ẢNH CT 2.1 Tổng quan giải thuật EM .9 2.2 Ứng dụng giải thuật EM phân đoạn ảnh CT 10 CHƯƠNG 3: PHỔI VÀ HOẠT ĐỘNG HÔ HẤP 15 3.1 Sơ lược hệ hô hấp .15 3.2 Cấu trúc giải phẫu phổi 16 3.2.1 Hệ thống phế quản 16 3.2.2 Nhu mô phổi .17 3.3 Hoạt động hô hấp 18 3.3.1 Chu kỳ hô hấp 18 3.3.2 Các thể tích dung tích hơ hấp 18 CHƯƠNG 4: KẾT QUẢ PHÂN ĐOẠN VÀ XÁC ĐỊNH ĐƯỜNG BIÊN VÙNG PHỔI 20 ii 4.1 Tiền xử lý 20 4.1.1 Xóa 20 4.1.2 Trích xuất vùng phổi 22 4.2 Phân đoạn 25 4.3 Xác định đường biên phổi 30 4.3.1 Đường biên thô 30 4.3.2 Làm trơn đường biên 31 4.4 Đánh giá kết .34 4.4.1 Phương pháp đánh giá 34 4.4.2 Kết đánh giá .35 CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ 40 5.1 Kết luận 40 5.2 Kiến nghị .40 PHỤ LỤC 1: BỘ ẢNH CT PHỔI THỬ NGHIỆM ii PHỤ LỤC 2: BỘ ẢNH PHÂN ĐOẠN HOÀN CHỈNH vi PHỤ LỤC 3: CHƯƠNG TRÌNH PHÂN ĐOẠN ẢNH CT PHỔI .x PHỤ LỤC 4: TÓM TẮT BÁO CÁO HỘI NGHỊ xiii iii DANH MỤC HÌNH ẢNH VÀ ĐỒ THỊ Hình 1.1: Ngun lý ghi hình CT Hình 1.2: Sinogram .3 Hình 1.3: Ghi nhận dựng ảnh phương pháp chiếu ngược .4 Hình 2.1: Minh họa ánh xạ "nhiều - một" 10 Hình 3.1: Cấu trúc giải phẫu hệ hô hấp 15 Hình 3.2: Cấu trúc giải phẫu phế nang .16 Hình 4.1: Các chi tiết phụ tạo đường biên giả thường thấy 21 Hình 4.2: Kết xóa ảnh ban đầu 21 Hình 4.3: Ảnh gradient 22 Hình 4.4: Mối liên hệ vị trí biên đỉnh phổ 23 Hình 4.5: Trích xuất vùng phổi 24 Hình 4.6: Trích xuất vùng phổi đường ellipse 25 Hình 4.7: Biểu đồ phân bố độ xám 26 Hình 4.8: Mơ hình gauss phân bố độ xám 26 Hình 4.9: Lưu đồ phân nhóm pixel .27 Hình 4.10: Ảnh phân đoạn thô 28 Hình 4.11: Lọc sau phân đoạn 28 Hình 4.12: Ảnh phân đoạn hồn chỉnh .29 Hình 4.13: Lọc nhiễu .30 Hình 4.14: Xác định đường biên thơ phổi 30 Hình 4.15: Minh họa sử dụng đoạn thẳng d để làm trơn 31 Hình 4.16: Lưu đồ làm trơn đường biên 32 Hình 4.17: Một số kết làm trơn đường biên .33 Hình 4.18: Minh họa đại lượng tính D .34 Hình 4.19: Trường hợp đường biên thô 36 Hình 4.20: Đường biên làm trơn với = pixel 36 Hình 4.21: Đường biên làm trơn với = 10 pixel 37 iv Hình 4.22: Đường biên làm trơn với = 15 pixel 37 Hình 4.23: Đường biên làm trơn với = 20 pixel 38 Hình 4.24: Đường biên làm trơn với = 25 pixel 38 DANH MỤC BẢNG BIỂU Bảng 4.1: Kết để đánh giá hiệu phân đoạn 35 v DANH MỤC TỪ VIẾT TẮT Viết tắt CT Tiếng Anh Computed tomography Tiếng Việt Ghi hình cắt lớp điện tốn E step Expectation step Bước tìm kỳ vọng EM Expectation maximization Cực đại hóa kỳ vọng ERV Expiratory reserve volume Thể tích dự trữ thở HFS Head first spine Đầu vào trước nằm ngửa HU Hounsfield Số CT IRV Inspiratory reserve volume Thể tích dự trữ hít vào M step Maximization step Bước cực đại hóa ML Maximum likelihood Cơ hội cực đại MRI Magnetic resonance imaging Ghi hình cộng hưởng từ hạt nhân RV Residual volume Thể tích khí cặn TC Total capacity Tổng dung tích phổi TV Tidal volume Thể tích khí lưu thơng VC Vital capacity Dung tích sống vi LỜI MỞ ĐẦU Năm 1956, Allan MacLeod Cormack lần đề xuất ngun lý ghi hình cắt lớp điện tốn (computed tomography, CT) Tiếp sau đó, năm 1967, Gobfrey Newbold Hounsfield chế tạo thành công máy CT scanner giới Hai cơng trình mở cách mạng lĩnh vực vật lý y khoa, đồng thời làm thay đổi công tác chẩn đốn y học Từ đến nay, máy CT scanner không ngừng cải tiến qua nhiều hệ với đặc tính ngày ưu việt Để nâng cao chất lượng ảnh thu được, cải tiến kỹ thuật hệ ghi hình, việc nghiên cứu giải thuật xử lý phần quan trọng không Các giải thuật có vai trò biến đổi liệu thơ thành ảnh hồn chỉnh làm bật thơng tin cần quan tâm Theo xu hướng đó, khóa luận thực nhằm nghiên cứu phát triển phương pháp dùng để phân đoạn (bóc tách) vùng phổi khỏi cấu trúc khác ảnh CT cách sử dụng giải thuật EM (Expectation maximization – cực đại hóa kỳ vọng) Đây bước xử lý để từ ảnh CT ban đầu, ta xác định vùng phổi cách tự động Thông tin giúp ích việc vẽ đường biên vùng phổi ước định dung tích hơ hấp,… nhằm hỗ trợ bác sĩ chẩn đoán điều trị Với mục đích đó, khóa luận bao gồm chương Chương trình bày nhìn tổng quan số phương pháp phân đoạn ảnh phổ biến với ưu nhược điểm phương pháp để làm sở so sánh Trong chương 2, tác giả trình bày chi tiết việc áp dụng giải thuật EM vào phân đoạn ảnh CT Chương giới thiệu khái quát số đặc điểm giải phẫu hoạt động hệ hô hấp phổi Những hiểu biết thể học sở cho số kỹ thuật xử lý sau Dựa lý thuyết chương 1, 2, 3, chương trình bày kỹ thuật xử lý để từ ảnh CT phổi ban đầu, ta thu kết ảnh phân đoạn hoàn chỉnh Bên cạnh đó, chương trình bày kết đánh giá tính xác việc phân đoạn Cuối cùng, chương bàn luận đánh giá số điểm mạnh hạn chế nghiên cứu, đồng thời nêu hướng phát triển tương lai CHƯƠNG TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP PHÂN ĐOẠN ẢNH CT 1.1 Tổng quan ảnh CT 1.1.1 Nguyên lý ghi hình CT Ghi hình cắt lớp điện tốn (computed tomography, CT) phương pháp ghi hình dựa vào suy giảm khác cường độ chùm tia X truyền qua môi trường vật chất khác lát cắt đối tượng Hình 1.1 mơ tả nguyên lý ghi hình CT Chùm tia X với cường độ phát từ nguồn xuyên qua đối tượng ghi nhận dãy detector đặt đối diện Do tương tác với Nguồn tia X Đối tượng ghi hình Dãy detector Hình chiếu Hình 1.1: Nguyên lý ghi hình CT vật chất, cường độ chùm tia X ghi nhận detector bị suy giảm theo cơng thức (1.1) = (1.1) Trong đó, cường độ tia X ghi nhận detector, tuyến tính lớp vật chất có độ dày mà chùm tia qua hệ số suy giảm Dựa vào , ta tìm Trong ghi hình CT, người ta thường đổi hệ số suy giảm tuyến tính thành số Hounsfield (HU), hay gọi số CT, theo cơng thức (1.2) Trong đó, hệ số suy giảm tuyến tính nước khơng khí = 1000 0o − − (1.2) 180o 90o 270o Vị trí detector a) 00 90o 180o 270o Góc quay b) Hình 1.2: a) Hình chiếu theo góc khác nhau; b) sinogram Tiến hành quay nguồn dãy detector xung quanh đối tượng, ta thu hình chiếu theo nhiều góc khác Hình 1.2 Các hình chiếu hợp thành biểu đồ sinogram Từ sinogram, ta sử dụng giải thuật dựng ảnh để tái tạo lại ảnh cắt lớp đối tượng hóa giải thuật phát triển thêm kỹ thuật xử lý phụ trợ Đây hướng phát triển tương lại để nâng cao hiệu phân đoạn, giảm thời gian thực tiết kiệm tài nguyên máy tính Hướng phát triển làm tăng hiệu nghiên cứu áp dụng vào thực tiễn Mặt khác, việc nghiên cứu thành công phương pháp phân đoạn ảnh CT phổi sử dụng giải thuật EM mở nhiều hướng nghiên cứu ứng dụng tương lai như: Ước định dung tích hơ hấp để cung cấp thơng tin cho việc chẩn đoán bệnh lý Xác định tự động đường biên vùng phổi nhằm hỗ trợ xạ trị Xác định tự động bất thường cấu trúc phổi, ứng dụng chẩn đoán xạ trị Các nghiên cứu chuyên sâu ảnh 3D 4D 41 DANH MỤC TÀI LIỆU THAM KHẢO Tài liệu tiếng Anh: [1] H Spies, K T Flood, T Loock, and M Hedlund, "Computer program product and apparatus for enhancing a computerized tomography image," United State of America Method US7809178 B2, Oct 5, 2010 [2] D L.Pham, "Current methods im medical image segmentation," Annual Review of Biomedical Engineering, vol 2, pp 315-337, Aug 2000 [3] N Shental, A Bar-Hillel, T Hert, and D Weinshall, "Computating gaussian mixture models with EM using equivalence constraints," Advances in neural information processing systems, vol 16, no 8, pp 465-472, 2004 [4] C S Valerie and S Tina, Essential of Anatomy Physiology, 5th ed Philadenphia: FA Davis company, 2007 [5] B T Pham, P M Khanh, and I Shimizu, "Automatically Extract Vertebrae And Compute The Cobb Angle Based," IEICE TRANSACTIONS on Fundamentals of Electronics, Communication and Computer Sciences, 2016 (accepted) [6] B Worfgang, Applied medical image processing, 2nd ed New York: Taylor & Francis group, 2014 [7] G J McLachlan and T Krishnan, The EM algorithm and extentions, 2nd ed New Jersey: Willey, 2008 [8] C Carson, S Belongie, H Greenspan, and J Malik, "Blobworld: Image Segmentation Using Expectation-Maximization and Its Application to Image Querying," IEEE Transactions On Pattern Analysis And Machine Intelligence, vol 24, no 8, pp 10261038, Aug 2002 [9] Cierniak and Robert, X-Ray computed tomography in biomedical engineering London, England: Springer Science & Business Media, 2011 [10] Moon and T K, "The expectation-maximization algorithm," Signal processing magazine, IEEE, vol 13, no 6, pp 47-60, 1996 Website: [11] Rice University, Digital Image Processing http://www.owlnet.rice.edu/~elec539/Projects97/cult/node2.html i PHỤ LỤC 1: BỘ ẢNH CT PHỔI THỬ NGHIỆM ii iii iv v PHỤ LỤC 2: BỘ ẢNH PHÂN ĐOẠN HOÀN CHỈNH vi vii viii ix PHỤ LỤC 3: CHƯƠNG TRÌNH PHÂN ĐOẠN ẢNH CT PHỔI Mơi trường lập trình: MATLAB R2013a function [mask,mu,v,w]=EMSeg(I,k) %***************************************************** % This is a function for image segmentation % Here: % mask: a classified mask of imaage after segmentated % mu: a matrix of k clusters' mean % v: a matrix of k clusters' covariance % w: a matrix of k cluster' probibality % I: the matrix of image % k: the number of cluster %****************************************************** copy=I; I=double(I); I=I+1; %Histogram [h,x]=histogram(I); %vanish the h(i)= 0: t=find(h); h=h(t); x=x(t); I=I(:); m= max(I); mu=(1:k)*m/(k+1); v=ones(1,k)*m; w=ones(1,k)*1/k; %Apply EM elgorothm while (1) P=Ndist(mu,v,w,x); scale1=sum(P,2)+eps; hxsum_likhd=h.*sum(P.*log(P+eps),2); Q_old=sum(hxsum_likhd./scale1,1); %estimate for j=1:k gamma=P(:,j)./scale1; %estimate j_th cluster's weight w(1,j)=1/sum(h,1)*sum(h.*gamma,1); %estimate j_th cluster's variance x scale2=sum(h.*gamma,1); d=x-mu(1,j); v(1,j)=1/scale2*sum(h.*gamma.*d.*d,1); %estimate j_th cluster's mean mu(1,j)=1/scale2*sum(h.*gamma.*x); end %critian to finish 'while' P=Ndist(mu,v,w,x); scale1=sum(P,2)+eps;%change 2/03/2016 hxsum_likhd=h.*sum(P.*log(P+eps),2); Q=sum(hxsum_likhd./scale1,1); if abs(Q-Q_old)