Xử lí hình ảnh siêu âm tim 3d

ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ Xử lí hình ảnh siêu âm tim 3D LÊ NAM LONG Lenamlong.arsenal.th@gmail.com Ngành Kỹ thuật điện tử y sinh Giảng viên hướng dẫn: TS Nguyễn Thu Vân Trường: Điện – Điện tử HÀ NỘI, 2021 ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ Xử lí hình ảnh siêu âm tim 3D LÊ NAM LONG Lenamlong.arsenal.th@gmail.com Ngành Kỹ thuật điện tử y sinh Giảng viên hướng dẫn: TS Nguyễn Thu Vân Trường: Điện – Điện tử HÀ NỘI, 2021 Chữ ký GVHD CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc BẢN XÁC NHẬN CHỈNH SỬA LUẬN VĂN THẠC SĨ Họ tên tác giả luận văn: Lê Nam Long Đề tài luận văn: Xử lý hình ảnh siêu âm tim 3D Chuyên ngành: Kỹ thuật điện tử y sinh Mã số SV: ………………………………… ………………… … Tác giả, Người hướng dẫn khoa học Hội đồng chấm luận văn xác nhận tác giả sửa chữa, bổ sung luận văn theo biên họp Hội đồng ngày 31/12/2021 với nội dung sau: - Chỉnh sửa số hình ảnh dịch sang tiếng Việt số từ ngữ để tiếng Anh - Chỉnh sửa lại Form Luận văn theo quy định Ngày Giáo viên hướng dẫn tháng năm 2021 Tác giả luận văn CHỦ TỊCH HỘI ĐỒNG Lời cảm ơn Em xin chân thành cảm ơn thầy cô trường Đại học Bách Khoa Hà Nội, đặc biệt thầy cô môn Kỹ thuật y sinh, tận tình dạy dỗ, giúp đỡ tạo điều kiện tốt cho em suốt quãng thời gian em theo học trường, để em hồn thành đề tài Em tỏ lòng biết ơn sâu sắc với TS Nguyễn Thu Vân, người tận tình hướng dẫn khoa học giúp đỡ, bảo em suốt trình nghiên cứu hồn thành luận văn Tơi xin chân thành cảm ơn bạn học viên cao học khóa 2019A trường Đại học Bách Khoa Hà Nội giúp đỡ tơi q trình theo học trường, giúp đỡ thực đề tài Xin trân trọng cảm ơn! Tóm tắt nội dung luận văn Siêu âm phương pháp chẩn đốn hình ảnh khơng xâm lấn sử dụng rộng rãi Nguyên lý tạo ảnh siêu âm ghi nhận hình ảnh bình thường bất thường số quan thể thông qua ứng dụng chế sóng siêu âm tái tạo lại hình ảnh hệ thống máy vi tính đại Thơng qua đó, siêu âm vừa giúp chẩn đốn bệnh lý khác nhau, có giá trị theo dõi đáp ứng điều trị bệnh nhân Siêu âm có ứng dụng rộng rãi hữu ích chẩn đoán bệnh tim Nhiều bệnh lý tim mạch cần phải theo dõi đánh giá liên tục Từ hình ảnh siêu âm tim, số số tính, ví dụ phân suất tống máu, độ dày thành thất trái đường kính thất trái, Trong nghiên cứu này, tác giả xây dựng phương pháp giúp bác sĩ đánh giá chức tim người bệnh cách nhanh chóng đâu việc tính phân suất tống máu từ ảnh siêu âm tim mà không cần sử dụng phần mềm chuyên dụng hãng Luận văn bao gồm chương: Chương 1: Tổng quan kỹ thuật siêu âm ảnh siêu âm Chương giới thiệu chung sóng âm, phương pháp tạo ảnh siêu âm kiểu siêu âm Chương 2: Hình ảnh siêu âm tim phân suất tống máu từ hình ảnh siêu âm tim Chương trình bày kiểu siêu âm sử dụng siêu âm tim mặt cắt 2D hình ảnh siêu âm tim, phương pháp tính phân suất tống máu (EF) từ hình ảnh siêu âm tim Chương 3: Xử lí hình ảnh siêu âm tim tính phân suất tổng máu Chương giới thiệu đinh dạng ảnh siêu âm DICOM, trình bày quy trình thực phương pháp đề xuất, bao gồm thu nhận chuyển đổi liệu siêu âm tim thành định dạng xử lý được, tạo ảnh mặt nạ phần mềm MIPAV, tính phân suất tống màu công cụ colab google Chương 4: Kết thảo luận Chương 4, tác giả trình bày kết thực nghiệm Hình ảnh siêu âm tim lấy từ bệnh nhân khác nhau, sau so sánh kết thu với kết máy siêu âm tim, cuối đánh giá kết thu HỌC VIÊN Ký ghi rõ họ tên MỤC LỤC ĐẶT VẤN ĐỀ 1 Lý chọn đề tài Mục tiêu nghiên cứu CHƯƠNG TỔNG QUAN VỀ KỸ THUẬT SIÊU ÂM VÀ ẢNH SIÊU ÂM…………… 1.1 Giới thiệu chung sóng âm 1.2 Phương pháp tạo ảnh siêu âm 1.2.1 Đầu dò siêu âm 1.2.2 Nguyên lý hoạt động máy siêu âm 11 1.3 Các chế độ (mode) siêu âm 12 CHƯƠNG HÌNH ẢNH SIÊU ÂM TIM VÀ PHÂN SUẤT TỐNG MÁU TỪ ẢNH SIÊU ÂM TIM 17 2.1 Siêu âm tim M-Mode 17 2.1.1 Mặt cắt qua thất 17 2.1.2 Mắt cắt qua van hai 20 2.1.3 Mặt cắt qua động mạch chủ 21 2.2 Siêu âm tim hai chiều (2D-mode) 23 2.2.1 Mặt cắt cạnh ức 24 2.2.2 Mặt cắt mỏm 27 2.3 Phân suất tống máu 28 2.4 Các phương pháp tính phân suất tống máu 29 2.4.1 Phân suất tống máu tính theo teichholz sử dụng siêu âm M-mode 29 2.4.2 Phân suất tống máu tính theo Simpson - Siêu âm hai bình diện 32 CHƯƠNG XỬ LÍ HÌNH ẢNH SIÊU ÂM TIM TÍNH PHÂN SUẤT TỐNG MÁU………… 34 3.1 Định dạng ảnh siêu âm DICOM 34 3.2 Tạo ảnh mặt nạ cho ảnh siêu âm tim 36 3.2.1 Giới thiệu MIPAV 36 3.2.2 Các ứng dụng MIPAV 37 3.3 Tính tốn phân suất tống máu .40 3.3.1 Công cụ Google colab 40 3.3.2 Xử lí liệu đầu vào 40 CHƯƠNG KẾT QUẢ VÀ THẢO LUẬN 54 4.1 Kết thực nghiệm 54 KẾT LUẬN CHUNG 61 TÀI LIỆU THAM KHẢO 62 BẢNG TỪ NGỮ VIẾT TẮT ĐMC Động mạch chủ TT Thất trái TP Thất phải NT Nhĩ trái A4C Apical chamber A2C Apical chamber VOI Volume of Interest EF Ejection Fraction DICOM Digital Imaging and Communications in Medicine MIPAV Medical Image Processing, Analysis, and Visualization A.S.E Hội siêu âm hoa kì DANH MỤC HÌNH ẢNH Hình 1.1: Lớp cát mỏng kim loại thay đổi hình dạng thành hoa văn khác micro phát âm tần số khác Hình 1.2: Dải tần số kiểu sóng âm Hình 1.3: Hình ảnh tượng khúc xạ sóng âm Hình 1.4: Sóng âm tán xạ theo hướng gặp bề mặt khơng đồng Hình 1.5: Cấu tạo đàu dò siêu âm 10 Hình 1.7: Hình ảnh siêu âm kiểu A 13 Hình 1.8: Hình ảnh siêu âm 2D 14 Hình 1.9: Hình ảnh siêu âm M-mode 14 Hình 1.10: Hình ảnh siêu âm Doppler 15 Hình 1.11: Hình ảnh siêu âm tim 3D 16 Hình 2.1: Các mặt cắt lấy thơng số thất trái Bên trái: Mặt cắt dọc cạnh ức qua dây chằng vng góc với trục thất trái Bên phải: Mặt cắt ngang cạnh ức qua tầng nhú sử dụng thay trường hợp không lấy mặt cắt cạnh ức 18 Hình 2.2: Phương pháp đo chiều dày đường kính siêu âm M-mode theo hội siêu âm hoa kỳ A.S.E 19 Hình 2.3: Đo thơng số thất trái siêu âm M-mode theo hai mặt cắt dọc cạnh ức ngang cạnh ức qua tầng nhú 20 Hình 2.4: Siêu âm M-mode cắt qua van động mạch chủ đo đường kính nhĩ trái, đường kính ĐMC 22 Hình 2.5: Siêu âm M-mode van động mạch phổi bình thường 22 Hình 2.6: Đo vận động vòng van hai (A) ba (B) (mũi tên hai chiều) siêu âm M-mode (IVS: vách liên thất; RV: thất phải 23 Hình 2.7: Các mặt cắt 2D vị trí 24 Hình 2.8: Vị trí mặt cắt siêu âm ngồi lồng ngực 25 Hình 2.9: Mặt cắt dọc cạnh ức kỳ tâm thu (A) tâm trương (B) thấy vận động đóng mở van hai van động mạch chủ Có thể đo thong số thất trái nhĩ trái, động mạch chủ mặt cắt 25 Hình 2.10: Mặt cắt ngang cạnh ức qua gốc động mạch với van động mạch chủ mở (A) đóng (B) Lá vành phải (r), vành trái (l) không vành (n) 26 def find_volume(Ld, ai, bi, num_parallbel_line): return np.pi*Ld*np.dot(ai.T,bi) / (4*num_parallbel_line) Tìm phương trình đường thẳng vng góc cách khoảng cho trước: def find_eq_line_from_distance_new(line_eq_Ld, top_point, distance): a ,b = -line_eq_Ld[1], line_eq_Ld[0] c = distance*np.sqrt(a*a+b*b) - a*top_point[0] - b*top_point[1] return [a,b,c] Tìm hai điểm thuộc hai phía trái phải đường bao thỏa mãn nằm phương trình cho trước def find_point_in_line3(line_equation, contour_point_left, contour_point_right): result_left = np.array(np.abs(line_equation[0]*contour_point_left[:,0] + line_eq uation[1]*contour_point_left[:,1] + line_equation[2])) argmin_1 = np.argmin(result_left) point_1 = contour_point_left[argmin_1,:] result_right = np.array(np.abs(line_equation[0]*contour_point_right[:,0] + line _equation[1]*contour_point_right[:,1] + line_equation[2])) argmin_2 = np.argmin(result_right) point_2 = contour_point_right[argmin_2,:] return point_1,point_2 Vẽ n đường thẳng song song, cách vng góc với đường thẳng cho trước: def draw_n_line_parallel_new(output_image, eq_line_Ld, top_point, bot_point, c ontour_point_left, contour_point_right, n_line=20): length_n_parallbel_lines = [] dis_from_top2bot = find_distance_from_2_point(top_point,bot_point) distance_unit = dis_from_top2bot / (n_line +1) for i in range(1,n_line + 1): 48 eq_line = find_eq_line_from_distance_new(eq_line_Ld, top_point, distance_u nit*i) point_left_top, point_right_top = find_point_in_line3(eq_line,contour_point_l eft, contour_point_right) length_line1 = find_distance_from_2_point(point_left_top, point_right_top) length_n_parallbel_lines.append(length_line1) draw_line_with_2_point(output_image,point_left_top,point_right_top) return length_n_parallbel_lines Hàm chương trình nhận đầu vào đường dẫn dicom, mask, số slice tương ứng, số đường song song cần vẽ: def find_Ld_and_length_parallbel_new(dcm_path, mask_path, num_slice = 40, n um_parallbel_line = 18, isA4C = True, isDiastole=True): #Read file ds = dicom.dcmread(dcm_path) gray_img = cv2.cvtColor(ds.pixel_array[num_slice], cv2.COLOR_BGR2GRA Y) img = cv2.cvtColor(ds.pixel_array[num_slice], cv2.COLOR_RGB2GRAY) mask_img = cv2.imread(mask_path) mask_img = cv2.cvtColor(mask_img, cv2.COLOR_RGB2GRAY) #Find and draw contour ret, thresh = cv2.threshold(mask_img, 127, 255, 0) contours, hier = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APP ROX_NONE) output_image = img.copy() commodity_rect = cv2.minAreaRect(contours[0]) bounding_rect_points = np.array(cv2.boxPoints(commodity_rect), dtype=np.int ) cv2.drawContours(output_image, contours, -1, (0, 255, 0), 1) #Draw Ld line 49 left_point, right_point, center_point = find_center_line_points(contours) contour = contours[0].reshape(-1,2) y_min = np.min(contour[:,1]) argmin_y = np.argmin(contour[:,1]) x_ymin = contour[argmin_y,0] top_point = [x_ymin,y_min] arg_bot = np.argwhere(contour[:,0] == center_point[0]) bot_point = contour[arg_bot[0]][0] cv2.line(output_image, tuple(top_point), tuple(bot_point), (0, 0, 255), 1) Ld = find_distance_from_2_point(top_point, bot_point) line_equation_Ld_line = find_line_equation(top_point,bot_point) #Draw n parallbel line arg_top_point_1 = np.where(contour[:,0] == top_point[0]) arg_top_point_2 = np.where(contour[:,1] == top_point[1]) arg_top = np.intersect1d(arg_top_point_1,arg_top_point_2) arg_bot_point_1 = np.where(contour[:,0] == bot_point[0]) arg_bot_point_2 = np.where(contour[:,1] == bot_point[1]) arg_bot = np.intersect1d(arg_bot_point_1,arg_bot_point_2) contour_left = contour[arg_top[0]:arg_bot[0]] contour_right = contour[arg_bot[0]:] num_parallbel_line = num_parallbel_line + length_n_parallbel_lines = draw_n_line_parallel_new(output_image, line_equat ion_Ld_line, top_point, bot_point, contour_left, contour_right, n_line=num_para llbel_line) #show and save image plt.figure(figsize=(16,8)) plt.axis('off') plt.imshow(output_image,cmap=plt.cm.bone) if isA4C: sub_name_1 = 'A4C' 50 else: sub_name_1 = 'A2C' if isDiastole: sub_name_2 = 'diastole' else: sub_name_2 = 'systolic' save_name = "result_" + sub_name_1 + "_" + sub_name_2 + "_" + str(num_slic e) plt.savefig(save_name) return Ld, length_n_parallbel_lines Chương trình chính, cập nhật liệu đầu vào : num_parallbel_line = 20 A4C_discom_path = "/content/IM_0002_A4C" A4C_diastole_mask_path = "/content/1_mask_A4C_D_3_4.jpg" number_slice_A4C_diastole = A4C_systolic_mask_path = "/content/1_mask_A4C_S_33_34.jpg" number_slice_A4C_systolic = 32 A2C_discom_path = "/content/IM_0001_A2C" A2C_diastole_mask_path = "/content/1_mask_A2C_D_33_34.jpg" number_slice_A2C_diastole = 32 A2C_systolic_mask_path = "/content/1_mask_A2C_S_17_18.jpg" number_slice_A2C_systolic = 16 Thì tâm trương: Ld_A4C_diastole, ai_A4C_diastole = find_Ld_and_length_parallbel_new(A4C_ discom_path, A4C_diastole_mask_path, number_slice_A4C_diastole, 51 num_parallbel_line - 1, isA4C = True, isDiastole=True) d_A2C_diastole, bi_A2C_diastole = find_Ld_and_length_parallbel_new(A2C_di scom_path, A2C_diastole_mask_path, number_slice_A2C_diastole, num_parallbel_line - 1, isA4C = False, isDiastole=True) ai_A4C_diastole = np.array(ai_A4C_diastole) bi_A4C_diastole = np.array(bi_A2C_diastole) Vd = find_volume(Ld_A4C_diastole,ai_A4C_diastole,bi_A4C_diastole, num_pa rallbel_line) Thì tâm thu: Ld_A4C_systolic, ai_A4C_systolic = find_Ld_and_length_parallbel_new(A4C_ discom_path, A4C_systolic_mask_path, number_slice_A4C_systolic, num_parallbel_line - 1, isA4C = True, isDiastole=False) Ld_A2C_systolic, bi_A2C_systolic = find_Ld_and_length_parallbel_new(A2C_ discom_path, A2C_systolic_mask_path, number_slice_A2C_systolic, num_parallbel_line - 1, isA4C = False, isDiastole= False) ai_A4C_systolic = np.array(ai_A4C_systolic) bi_A4C_systolic = np.array(bi_A2C_systolic) Vs = find_volume(Ld_A4C_systolic,ai_A4C_systolic,bi_A4C_systolic, num_par allbel_line) Hiển thị kết quả: 52 EF = 100*(Vd - Vs)/Vd print('Phân suất tống máu {0}%'.format(round(EF,2))) Phân suất tống máu 32.57% Kết cuối phân suất tống máu theo % 53 KẾT QUẢ VÀ THẢO LUẬN 4.1 Kết thực nghiệm Theo công thức Simpson (2.2) ta cần tính tốn thể tích cuối tâm thu cuối tâm trương để tính tốn phân suất tổng máu EF Thể tích cuối tâm trương: 𝑛𝑛 𝜋𝜋 𝐿𝐿𝑑𝑑 𝑉𝑉𝑑𝑑 = � 𝑎𝑎𝑖𝑖𝑖𝑖 𝑏𝑏𝑖𝑖𝑖𝑖 𝑛𝑛 (4.1) 𝑖𝑖=1 Thể tích cuối tâm thu: 𝑛𝑛 𝜋𝜋 𝐿𝐿𝑠𝑠 𝑉𝑉𝑠𝑠 = � 𝑎𝑎𝑖𝑖𝑖𝑖 𝑏𝑏𝑖𝑖𝑖𝑖 𝑛𝑛 (4.2) 𝑖𝑖=1 Từ ta có giá trị phân suất tống máu: 𝐸𝐸𝐸𝐸 = 100% × 𝑉𝑉𝑑𝑑 − 𝑉𝑉𝑠𝑠 𝑉𝑉𝑑𝑑 (4.3) Trong thực nghiệm, kết đo với giá trị n = {10, 20, 30, 40} 54 Hình 4.1: Hình ảnh siêu âm tim A4C cuối tâm trương sau bao viền Hình 4.2: Hình ảnh siêu âm tim A2C cuối tâm trương sau bao viền 55 Hình 4.3: Hình ảnh siêu âm tim A4C cuối tâm thu sau bao viền Hình 4.4: Hình ảnh siêu âm tim A2C cuối tâm thu sau bao viền 56 Hình 4.5: Hình ảnh kết hiển thị công cụ Colab google Bảng 4.1: Bảng so sánh kết với kết máy siêu âm EF (%) n=10 n=20 n=30 n=40 Máy siêu âm (n=20) 43.41 43.0 42.67 42.56 42.0 Tiếp tục thực nghiệm từ kết siêu âm bệnh nhân khác Kết thu từ máy siêu âm Epiq Philips, đầu dị siêu âm tim X5-1: Hình 4.6: Hình ảnh siêu âm tim bệnh nhân kết phân suất thơng máu EF 57 Hình 4.7: Hình ảnh siêu âm tim bệnh nhân kết phân suất thơng máu EF Hình 4.8: Hình ảnh siêu âm tim bệnh nhân kết phân suất thơng máu EF 58 Hình 4.9: Hình ảnh siêu âm tim bệnh nhân kết phân suất thông máu EF Thu thập liệu bệnh nhân để xử lí ta có bảng thơng số liệu: Bảng 4.2: Kết thực nghiệm bệnh nhân máy siêu âm BN BN BN BN Siêu âm 52.2 40.5 30.4 43.5 n=40 53.56 38.55 32.57 44.01 n=30 53.88 38.98 32.98 44.51 n=20 54.23 39.47 33.12 45.33 39.68 33.45 45.67 n=10 54.41 Từ bảng 4.2 ta có nhận xét sau: - Các kết thu từ Colab thay đổi giá trị n gần sai khác khơng đáng kể Nhìn vào bảng 4.3 ta thấy bệnh nhân thay đổi giá trị n EF khơng thay đổi nhiều Đối với BN1 sai số lớn só với gái trị trung bình 0,8% Bảng 4.3: Phần trăm sai số giá trị đo n với giá trị trung bình BN BN BN BN Trung bình 54,02 39,17 33,03 44,88 n=40 0,8% 1,6% 1,4% 1,9% n=30 0,3% 0,5% 0,2% 0,8% n=20 0,4% 0,8% 0,3% 1,5% n=10 0,7% 1,3% 1,3% 1,8% 59 Bảng 4.4: Phần trăm sai số phép đo với giá trị siêu âm BN BN BN BN n=40 2,0% 4,8% 7,1% 1,2% n=30 3,2% 3,7% 8,5% 2,3% n=20 3,8% 2,5% 8,9% 4,2% n=10 4,2% 2,0% 10,0% 5,0% - Khi so sánh kết kết thực nghiệm với máy siêu âm ta nhận thấy kết thực nghiệm tương đồng với kết siêu âm Nhìn vào bảng 4.4 ta thấy phần trăm sai số nhỏ không làm ảnh hưởng đến việc chẩn đốn lâm sàng bác sĩ Vì theo Bảng 2.2 giá trị để chẩn đoán bệnh nhân bị giảm vận đồng vùng tim giá trị EF nằm dải 30 - 54 Ngoài ra, trình siêu âm thực tế, lần đo khác cho giá trị khác Nguyên nhân mặt cắt lần đo khác bao viền giống Kết thu cho thấy phương pháp thực nghiệm có tính ứng dụng cao hỗ trợ nhiều cho bác sĩ việc chẩn đoán 60 KẾT LUẬN CHUNG Kết luận: Với ý tưởng áp dụng kỹ thuật khoa học máy tính vào lĩnh vực y tế cách sử dụng công cụ có sẵn để xử lí hình ảnh siêu âm tim tính tốn phân suất tống máu, nghiên cứu cho kết tương đồng với kết thu máy siêu âm Hồn tồn sử dụng nghiên cứu để đánh giá chức thất trái bệnh nhân cần theo dõi liên tục Điểm bật nghiên cứu sử dụng công cụ miễn phí để thay cho phần mềm xử lí kết siêu âm tim hãng máy siêu âm mà người sử dụng phải trả phí để sử dụng Và hãng máy khác có phần mềm xử lí kết riêng, khơng thể dùng chung với Định hướng phát triển tương lai: - Thu gọn bước thao tác lại để giúp việc sử dụng trở nên đơn giản thuận tiện - Đánh giá thêm nhiều số tim mạch khác để thay hồn phần mềm xử lí ảnh siêu âm hãng - Tạo chương trình để xem lại lưu trữ liệu hình ảnh siêu âm tim 61 TÀI LIỆU THAM KHẢO [1] https://moh.gov.vn/tin-lien-quan//asset_publisher/vjYyM7O9aWnX/content/moi-nam-viet-nam-co-200-000nguoi-tu-vong-do-cac-benh-tim-mach?inheritRedirect=false, truy cập lần cuối 30/11/2021 [2] https://timmachhoc.vn/khao-sat-cac-yeu-to-tien-luong-tu-vong-tren-benhnhan-suy-tim-phan-suat-tong-mau-giam-nhap-vien-tai-vien-tim-tp-hcm/, truy cập lần cuối 30/11/2021 [3] Wayne R Hedrick PhD, “Ultrasound Physics and Instrumentation”, 2010 [4] TS Nguyễn Anh Vũ, “Siêu âm tim từ đến nâng cao”, 2008 [5] https://www.researchgate.net/figure/The-Simpsons-method-formeasurement-of-cardiac-output_fig3_256838286, truy cập lần 30/11/2021 cuối [6] https://gdrive.vip/google-colab-la-gi-huong-dan-su-dung-googlecolab/?f ZMmxMVAM, truy cập lần cuối 30/11/2021 [7] https://www.asecho.org/wpcontent/uploads/2017/11/ChamberQuantification_VN.pdf, truy cập lần cuối 30/11/2021 [8] https://mipav.cit.nih.gov/pubwiki/index.php/Introducing_MIPAV, truy cập lần cuối 30/11/2021 [9] https://vi.wikipedia.org/wiki/DICOM, truy cập lần cuối 30/11/2021 [10] Eric Bardinet, Laurent D.Cohen, Nicholas Ayche, “ Tracking and motion analysis of the ventricle with deformable superquadrics”, Medical Image Analysis (1996) volume 1, number 1, number 2, pp 129-149 62 ... âm ảnh siêu âm Chương giới thiệu chung sóng âm, phương pháp tạo ảnh siêu âm kiểu siêu âm Chương 2: Hình ảnh siêu âm tim phân suất tống máu từ hình ảnh siêu âm tim Chương trình bày kiểu siêu âm. .. bày kiểu siêu âm sử dụng siêu âm tim mặt cắt 2D hình ảnh siêu âm tim, phương pháp tính phân suất tống máu (EF) từ hình ảnh siêu âm tim Chương 3: Xử lí hình ảnh siêu âm tim tính phân suất tổng... Hình 4.2: Hình ảnh siêu âm tim A2C cuối tâm trương sau bao viền 55 Hình 4.3: Hình ảnh siêu âm tim A4C cuối tâm thu sau bao viền 56 Hình 4.4: Hình ảnh siêu âm tim A2C cuối tâm thu sau