1. Trang chủ
  2. » Luận Văn - Báo Cáo

Nghiên cứu phương pháp tăng cường chất lượng ảnh chụp x quang vú

107 82 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Tiêu đề Nghiên cứu phương pháp tăng cường chất lượng ảnh chụp X Quang vú
Tác giả Hoàng Công Dũng
Người hướng dẫn TS. Nguyễn Ngọc Văn
Trường học Trường Đại Học Bách Khoa Hà Nội
Chuyên ngành Kỹ thuật Y sinh
Thể loại luận văn thạc sĩ
Năm xuất bản 2021
Thành phố Hà Nội
Định dạng
Số trang 107
Dung lượng 2,58 MB

Nội dung

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ Nghiên cứu phương pháp tăng cường chất lượng ảnh chụp X Quang vú HỒNG CƠNG DŨNG hoangdungbvps@gmail.com Ngành Kỹ thuật Y sinh Giảng viên hướng dẫn: TS Nguyễn Ngọc Văn Viện: Điện tử Viễn thông HÀ NỘI, 2021 TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ Nghiên cứu phương pháp tăng cường chất lượng ảnh chụp X Quang vú HỒNG CƠNG DŨNG hoangdungbvps@gmail.com Ngành Kỹ thuật Y sinh Giảng viên hướng dẫn: TS Nguyễn Ngọc Văn Chữ ký GVHD Viện: Điện tử Viễn thông HÀ NỘI, 2021 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: Hồng Cơng Dũng Đề tài luận văn: Nghiên cứu phương pháp tăng cường chất lượng ảnh chụp X Quang vú Chuyên ngành: Kỹ thuật Y sinh Mã số SV: CA190168 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… .………… với nội dung sau: - Rà sốt lỗi tả - Chỉnh sửa Form trình bày Ngày Giáo viên hướng dẫn tháng năm 2021 Tác giả luận văn CHỦ TỊCH HỘI ĐỒNG ĐỀ TÀI LUẬN VĂN Nghiên cứu phương pháp tăng cường chất lượng ảnh chụp X Quang vú Chuyên ngành: Kỹ thuật Y sinh Tác giả luận văn: Hồng Cơng Dũng Giáo viên hướng dẫn Ký ghi rõ họ tên TS Nguyễn Ngọc Văn Lời cam đoan Tôi xin cam đoan cơng trình nghiên cứu riêng Các số liệu, kết nêu Luận văn trung thực chưa công bố cơng trình khác Tơi xin cam đoan tài liệu tham khảo sử dụng với nghĩa tham khảo thơng tin trích dẫn luận văn rõ nguồn gốc Hà Nội, ngày tháng năm 2021 Học viên Hồng Cơng Dũng Lời cảm ơn Tôi xin gửi lời cảm ơn chân thành, sâu sắc đến thầy giáo TS Nguyễn Ngọc Văn, suốt trình nghiên cứu tài liệu, viết đề tài tận tâm bảo phương hướng nghiên cứu truyền đạt cho kiến thức quý báu để tơi hồn thành đề tài Đồng thời, xin trân trọng cảm ơn Thầy, Cô Viện Điện tử Viễn thông - Trường Đại học Bách Khoa Hà Nội ln dìu dắt, hướng dẫn, khích lệ suốt trình học tập nghiên cứu Bên cạnh đó, tơi xin chân thành cảm ơn Viện đào tạo sau Đại học - Trường Đại học Bách Khoa Hà Nội, anh chị đồng nghiệp tạo điều kiện cho nghiên cứu cung cấp số liệu thực tế để tơi hồn thành luận văn thạc sỹ Xin trân trọng cảm ơn! Học viên Ký ghi rõ họ tên Hồng Cơng Dũng Tóm tắt nội dung luận văn Nội dung luận văn thể thông qua chương Chương chương mở đầu, chương trình bày tóm tắt tình trạng bệnh ung thư Việt Nam nói chung số lượng bệnh nhân ung thư đến khám điều trị bệnh viện Phụ sản Thái Bình nói riêng, chương trình bày mục tiêu, nội dung nghiên cứu, đối tượng phạm vi nghiên cứu Nội dung chương sở chương Chương trình bày tổng quan kiến thức giải phẫu sinh lý vú Đặc điểm vú, loại bệnh liên quan đến vú, đặc biệt chi tiết bệnh lý ung thư vú Các yếu tố nguy cơ, giai đoạn ung thư cách phịng tránh Chương trình bày phương pháp chẩn đoán ung thư vú, phương pháp chụp ảnh X quang vú, đặc điểm ảnh X quang vú Cơ sở liệu ảnh X quang vú sử dụng luận văn trình bày phân tích từ đưa hướng phân tích, giải sở cho chương chương Chương trình bày số phương pháp tăng cường chất lượng ảnh nhằm loại bỏ phần nhãn ảnh, loại bỏ phần lỗi số hóa; tách phần ảnh vú; loại bỏ phần ngực Các phương pháp tăng cường chất lượng ảnh bao gồm phương pháp sử dụng lọc trung bình biểu đồ mức xám phương pháp sử dụng biến đổi hình thái Trong hai phương pháp phương pháp tăng cường chất lượng ảnh chụp X-quang vú sử dụng biến đổi hình thái cho kết khả quan hơn, mức tăng cường chất lượng gần ảnh chụp X- quang vú có mơ vú khác Chương Mơ phỏng, nội dung chương trình bày số thuật toán tăng cường chất lượng ảnh phân vùng ảnh Trên sở số thuật toán kết hợp với số liệu chuẩn ảnh chụp x quang vú, tác giả sử dụng công cụ phần mềm Matlab để thực thử nghiệm số thuật toán Học viên Ký ghi rõ họ tên Hồng Cơng Dũng MỤC LỤC DANH MỤC HÌNH VẼ iii DANH MỤC BẢNG BIỂU vi CÁC TỪ VIẾT TẮT vii CHƯƠNG MỞ ĐẦU 1.1 Đặt vấn đề 1.2 Mục tiêu nghiên cứu, đối tượng phạm vi đề tài 1.3 Ý nghĩa đề tài 1.4 Nội dung nghiên cứu 1.5 Kết dự kiến 1.6 Kết luận chương CHƯƠNG CƠ SỞ LÝ THUYẾT 2.1 Giải phẫu sinh lý vú 2.2 Bệnh lý vú 2.2.1 Xơ nang tuyến vú 2.2.2 U sơ tuyến vú 2.2.3 Áp xe vú 2.3 Ung thư vú 2.3.1 Các yếu tố nguy 10 2.3.2 Phân loại ung thư vú 11 2.3.3 Các giai đoạn ung thư vú 14 2.3.4 Các dấu hiệu cảnh báo phòng ngừa ung thư vú 17 2.3.5 Các phương pháp chẩn đoán ung thư vú 18 2.4 Chụp ảnh X quang vú 21 2.4.1 Chụp ảnh X-quang vú sàng lọc chẩn đoán 21 2.4.2 Trình tự chụp ảnh Xquang vú 23 2.4.3 Dấu hiệu tổn thương ung thư vú qua ảnh chụp X-quang vú 26 2.5 Cơ sở liệu ảnh chụp X-quang vú 29 2.6 Kết luận chương 33 CHƯƠNG PHƯƠNG PHÁP TIỀN XỬ LÝ VÀ TĂNG CƯỜNG CHẤT LƯỢNG ẢNH CHỤP X QUANG VÚ 34 3.1 Đặt vấn đề 34 3.2 Một số phương pháp tiền xử lý ảnh chụp X-quang vú 36 3.2.1 Tách vùng ảnh vú bóc tách ngực 36 3.2.2 Bộ lọc trung vị thích ứng 44 3.2.3 Bộ lọc trung bình 45 3.2.4 Bộ lọc trung bình thích ứng 45 3.2.5 Bộ lọc Gaussian 46 3.2.6 Cân xám đồ 46 3.2.7 Biểu đồ sửa đổi tăng cường độ tương phản cục 46 3.2.8 Cân biểu đồ thích ứng có giới hạn độ tương phản 47 3.3 Tăng cường chất lượng ảnh chụp X quang vú 47 3.3.1 Phương pháp tăng cường chất lượng ảnh sử dụng lọc trung bình biểu đồ mức xám 49 3.3.2 Phương pháp tăng cường chất lượng ảnh sử dụng phương pháp biến đổi hình học 51 3.4 Kết luận chương 54 CHƯƠNG CHƯƠNG TRÌNH PHẦN MỀM MƠ PHỎNG .55 4.1 Giới thiệu phần mềm sử dụng để mô 55 4.2 Chương trình tách vùng ảnh vú 56 4.2.1 Sơ đồ thuật toán 56 4.2.2 Chương trình mơ 57 4.3 Chương trình tăng cường chất lượng ảnh vú 63 4.3.1 Sơ đồ thuật toán : 63 4.3.2 Chương trình mơ 65 KẾT LUẬN 72  Kết luận 72  Hướng phát triển 72 TÀI LIỆU THAM KHẢO 73 PHỤ LỤC 76 DANH MỤC HÌNH VẼ Hình 2-1: Cấu trúc giải phẫu vú Hình 2-2: Phần cuối ống tiểu thùy TDLU ( nguồn [11]) Hình 2-3 Siêu âm tuyến vú Hình 2-4:Tỷ lệ ung thư vú xâm lấn xuất vùng vú khác 12 Hình 2-5: Ung thư biểu mơ ống 12 Hình 2-6: Ung thư biểu mơ tiểu thùy 13 Hình 2-7: Tế bào ung thư xâm lấn vào mạch máu mạch bạch huyết 14 Hình 2-8: Các giai đoạn ung thư vú theo nguyên phát T 15 Hình 2-9:Ung thư vú có giai đoạn phát triển 16 Hình 2-10 Ảnh X-quang bầu vú 22 Hình 2-11: Các hướng chụp ảnh X-quang vú 23 Hình 2-12 Quá trình thăm khám chụp ảnh X-quang vú 24 Hình 2-13 Cấu trúc máy chụp X-quang vú 24 Hình 2-14: Từ trái sang phải, ảnh chụp X-quang vú hướng MLO phân loại mô mỡ, mô tuyến mô tuyến dầy đặc 26 Hình 2-15 Ảnh xác định khối u ảnh X-quang 27 Hình 2-16: Các hình dạng, đường biên, mật độ khác tổn thương hình khối 28 Hình 2-17 Ảnh phân tích X-quang vú 29 Hình 2-18:Hình ảnh X-quang vú lấy từ bệnh nhân Bệnh K sở Tân Triều 32 Hình 3-1 Tăng cường chất lượng ảnh sử dụng biến đổi hình thái 35 Hình 3-2 Tách phần ngực khỏi ảnh vú 35 Hình 3-3: Sơ đồ khối tiền xử lý phương pháp tách vùng ảnh vú ngực 37 Hình 3-4 Ảnh chụp X-quang vú ban đầu (trái) ảnh vùng vú (phải) 38 Hình 3-5 Xác định vùng ảnh vú 39 Hình 3-6 Xác định khối u 42 Hình 3-7 Biểu đồ phân ngưỡng 42 Hình 3-8 Kết phân ngưỡng theo biểu đồ 43 Hình 3-9 So sánh kết tách vùng bầu vú 44 Hình 3-10:Loại bỏ nhiễu số hóa hình ảnh tuyến vú cách sử dụng lọc trung vị 2D a) Hình ảnh gốc (b) Hình ảnh lọc sau loại bỏ nhiễu 45 mkdir ('C:\MatlabTmp'); %tao thu den thu muc c:\MatlabTmp imwrite(input, 'C:\MatlabTmp\1.Original.bmp'); % tao tap tin 1.Original.bmp vao thu muc MatlabTmp % - Executes on button press in function1 function function1_Callback(hObject, eventdata, handles) % hObject handle to function1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) I = imread('C:\MatlabTmp\1.Original.bmp'); I = rgb2gray(I); % chuyen anh tu rgb sang thang xam' BW2 = enhance_mam(I); % dung ham enhamcce_mam xu ly anh %enhanced_canny(I); figure, imshow(BW2), title('Enhanced Image'); % - Executes on button press in pushbutton3 function pushbutton3_Callback(hObject, eventdata, handles) % hObject handle to pushbutton3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) I = imread('C:\MatlabTmp\1.Original.bmp'); I = rgb2gray(I); BW2 = enhanced_mamm(I); %enhanced_canny(I); figure, imshow(BW2), title('Enhanced Image'); % - Executes on button press in pushbutton4 function pushbutton4_Callback(hObject, eventdata, handles) % hObject handle to pushbutton4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) I = imread('C:\MatlabTmp\1.Original.bmp'); I = rgb2gray(I); BW2 = mammograms(I); %enhanced_canny(I); figure, imshow(BW2), title('Segmented Image1'); % - Executes on button press in pushbutton5 function pushbutton5_Callback(hObject, eventdata, handles) % hObject handle to pushbutton5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) I = imread('C:\MatlabTmp\1.Original.bmp'); I = rgb2gray(I); 78 BW2 = remove_unwanted(I); %enhanced_canny(I); figure, imshow(BW2), title('Segmented Image2'); mammograms function value = mammograms (img) img_median=medfilt2(img,[10,10]); %loc trung vi max_pixel=max(max(img_median)); % lay gia tri pixel lon nhat bitmap min_pixel=min(min(img_median));% lay gia tri pixel nho nhat bit map %tang cuong tuong phan anh new_max_pixel=210; new_min_pixel=60; temp= (new_max_pixel - new_min_pixel)/(max_pixel - min_pixel); normalize_img = (temp.*(img_median - min_pixel)) + new_min_pixel; threshold= graythresh(normalize_img); %tinh nguong cho ham im2bw bw_img= im2bw(normalize_img,(threshold - )); %chuyen tu anh thang xam sang anh nhi phan value = bw_img; remove_unwanted function value = remove_unwanted(img) img_median=medfilt2(img,[10,10]); %loc trung vi max_pixel=max(max(img_median)); % lay gia tri pixel lon nhat bitmap min_pixel=min(min(img_median));% lay gia tri pixel nho nhat bit map %tang cuong tuong phan anh new_max_pixel=210; new_min_pixel=60; temp= (new_max_pixel - new_min_pixel)/(max_pixel - min_pixel); normalize_img = (temp.*(img_median - min_pixel)) + new_min_pixel; threshold= graythresh(normalize_img); %tinh nguong cho ham im2bw bw_img= im2bw(normalize_img,(threshold)); %chuyen tu anh thang xam sang anh nhi phan value = bw_img; enhance function b= enhance_mam(a) [r , c]=size(a); k=fspecial('gaussian',[3 3],1); % loc thong thap gaussian f=imfilter(a,k); m11=min(min(f)); %lay gia tri pixel m1=max(max(f)); %lay gia tri pixel max f2=a-f; %lay duong vien m12=min(min(f2)); m2=max(max(f2)); mid1=abs(m12+m2)/2; %tang cuong anh duong vien [r,c]=size(f2); 79 g1=15; g2=0.4; for i=1:r for j=1:c if abs(f2(i,j))=mid1 f2(i,j)=g2*f2(i,j); end end end end f3=f2; se=strel('disk',5);%tao cau truc phan tu %bien doi top-hat b1=imerode(f,se); %lam mo b11=imdilate(b1,se); % mo rong thang xam b=imsubtract(f,b11); %bien doi bottom-hat b11=imdilate(f,se); %mo rong thang xam b1=imerode(b11,se); %lam mo c=imsubtract(b1,f); e=f+b-c; % lam ro tuong phan giua cac vat the anh goc + tophat bottomhat f6=f2+e; % anh goc + anh lam duong vien %%%%%%%%%%%%%wavelet decomposition%%%%%%%%%%%%%% % phan tach ham cac phan cau truc doc, ngang va cheo [c,s]=wavedec2(f6,2,'bior1.1'); ca2=appcoef2(c,s,'bior1.1',2); ca1=appcoef2(c,s,'bior1.1',1); [cH2,cV2,cD2]=detcoef2('all',c,s,2); [cH1,cV1,cD1]=detcoef2('all',c,s,1); %%%%%%%%%%%Thresholding Calculation%%%%%%%%%% MH=max(max(cH1)); MH=log2(MH); MHL=0.5; TH=MH*MHL; MV=max(max(cV1)); MV=log2(MV); MVL=0.5; TV=MV*MVL; MD=max(max(cD1)); MD=log2(MD); MDL=0.5; TD=MD*MDL; 80 % C1=2; MH2=max(max(cH2)); MH2=log2(MH2); MHL2=1; TH2=MH2*MHL2; MV2=max(max(cV2)); MV2=log2(MV2); MVL2=1; TV2=MV*MVL2; MD2=max(max(cD2)); MD2=log2(MD2); MDL2=1; TD2=MD2*MDL2; ch1 =wthresh(cH1,'s',TH); cv1= wthresh(cV1,'s',TV); cd1= wthresh(cD1,'s',TD); ch2= wthresh(cH2,'s',TH2); cv2= wthresh(cV2,'s',TV2); cd2= wthresh(cD2,'s',TD2); %%%%%%%%%%%%%%%reconstruction%%%%%%%%%%%%%%% %tai tao lai anh ca2=ca2(:)'; ch2=ch2(:)'; cv2=cv2(:)'; cd2=cd2(:)'; ch1=ch1(:)'; cv1=cv1(:)'; cd1=cd1(:)'; d=[ca2 ch2 cv2 cd2]; t=[ch1 cv1 cd1]; C=[d t]; b=waverec2(C,s,'bior1.1'); b=uint8(b); %ep kieu du lieu tu double sang uint8 cho b enhanced function value= enhanced_mamm(a) [r,c]=size(a); k=fspecial('unsharp',0.9); % bo loc lam sac net duong bien: lam hinh anh tro nen sac net voi tham so alpha = 0.9 un=imfilter(a,k); k=fspecial('gaussian',[3 3],1); % loc thong thap gaussian f=imfilter(a,k); m11=min(min(f)); %lay gia tri pixel m1=max(max(f)); %lay gia tri pixel max 81 f2=a-f; %lay duong vien m12=min(min(f2)); m2=max(max(f2)); mid1=abs(m12+m2)/2; %tang cuong anh duong vien [r,c]=size(f2); g1=5; g2=0.9; for i=1:r for j=1:c if abs(f2(i,j))=mid1 f2(i,j)=g2*f2(i,j); end end end end f3=f2; se=strel('disk',5);%tao cau truc phan tu %bien doi top-hat b1=imerode(f,se); %lam mo b11=imdilate(b1,se); % mo rong thang xam b=imsubtract(f,b11); %bien doi bottom-hat b11=imdilate(f,se); %mo rong thang xam b1=imerode(b11,se); %lam mo c=imsubtract(b1,f); e=f+b-c; % lam ro tuong phan giua cac vat the anh goc + tophat bottomhat f6=f2+e; % anh goc + anh lam duong vien %%%%%%%%%%%%%wavelet decomposition%%%%%%%%%%%%%% % phan tach ham cac phan cau truc doc, ngang va cheo [c,s]=wavedec2(f6,2,'bior1.1'); ca2=appcoef2(c,s,'bior1.1',2); ca1=appcoef2(c,s,'bior1.1',1); [cH2,cV2,cD2]=detcoef2('all',c,s,2); [cH1,cV1,cD1]=detcoef2('all',c,s,1); %%%%%%%%%%%Thresholding Calculation%%%%%%%%%% MH=max(max(cH1)); MH=log2(MH); MHL=0; TH=MH*MHL; MV=max(max(cV1)); MV=log2(MV); MVL=0.5; 82 TV=MV*MVL; MD=max(max(cD1)); MD=log2(MD); MDL=0.5; TD=MD*MDL; % C1=2; MH2=max(max(cH2)); MH2=log2(MH2); MHL2=1; TH2=MH2*MHL2; MV2=max(max(cV2)); MV2=log2(MV2); MVL2=1; TV2=MV*MVL2; MD2=max(max(cD2)); MD2=log2(MD2); MDL2=1; TD2=MD2*MDL2; ch1 =wthresh(cH1,'s',TH); cv1= wthresh(cV1,'s',TV); cd1= wthresh(cD1,'s',TD); ch2= wthresh(cH2,'s',TH2); cv2= wthresh(cV2,'s',TV2); cd2= wthresh(cD2,'s',TD2); %%%%%%%%%%%%%%%reconstruction%%%%%%%%%%%%%%% %tai tao lai anh ca2=ca2(:)'; ch2=ch2(:)'; cv2=cv2(:)'; cd2=cd2(:)'; ch1=ch1(:)'; cv1=cv1(:)'; cd1=cd1(:)'; d=[ca2 ch2 cv2 cd2]; t=[ch1 cv1 cd1]; C=[d t]; b=waverec2(C,s,'bior1.1'); b=uint8(b); %ep kieu du lieu tu double sang uint8 cho b %can bang muc xam chi dinh value adapthisteq(b,'clipLimit',0.01,'Distribution','exponential', 0.2, 'NBins', 128); = 'Alpha', 83 Bảng sở liệu MIAS: Bảng 0-1: Bảng sở liệu MIAS mdb001 G CIRC B 535 425 197 mdb163 D ARCH B 391 365 50 mdb002 G CIRC B 522 280 69 mdb164 D NORM mdb003 D NORM mdb165 D ARCH B 537 490 42 mdb004 D NORM mdb166 D NORM mdb005 F CIRC B 477 133 30 mdb167 F ARCH B 574 657 35 mdb005 F CIRC B 500 168 26 mdb168 F NORM mdb006 F NORM mdb169 D NORM mdb007 G NORM mdb170 D ARCH M 489 480 82 mdb008 G NORM mdb171 D ARCH M 462 627 62 mdb009 F NORM mdb172 D NORM mdb010 F CIRC B 525 425 33 mdb173 F NORM mdb011 F NORM mdb174 F NORM mdb012 F CIRC B 471 458 40 mdb175 G SPIC B 592 670 33 mdb013 G MISC B 667 365 31 mdb176 G NORM mdb014 G NORM mdb177 G NORM mdb015 G CIRC B 595 864 68 mdb178 G SPIC M 492 600 70 mdb016 G NORM mdb179 D SPIC M 600 514 67 mdb017 G CIRC B 547 573 48 mdb180 D NORM mdb018 G NORM mdb181 G SPIC M 519 362 54 mdb019 G CIRC B 653 477 49 mdb182 G NORM mdb020 G NORM mdb183 F NORM mdb021 G CIRC B 493 125 49 mdb184 F SPIC M 352 624 114 mdb022 G NORM mdb185 G NORM mdb023 G CIRC M 538 681 29 mdb186 G SPIC M 403 524 47 mdb024 G NORM mdb187 G NORM mdb025 F CIRC B 674 443 79 mdb188 G SPIC B 406 617 61 mdb026 F NORM mdb189 G NORM mdb027 F NORM mdb190 G SPIC B 512 621 31 mdb028 F CIRC M 338 314 56 mdb191 G SPIC B 594 516 41 84 mdb029 G NORM mdb192 G NORM mdb030 G MISC B 322 676 43 mdb193 D SPIC B 399 563 132 mdb031 G NORM mdb194 D NORM mdb032 G MISC B 388 742 66 mdb195 F SPIC B 725 129 26 mdb033 D NORM mdb196 F NORM mdb034 D NORM mdb197 D NORM mdb035 D NORM mdb198 D SPIC B 568 612 93 mdb036 D NORM mdb199 D SPIC B 641 177 31 mdb037 D NORM mdb200 D NORM mdb038 D NORM mdb201 D NORM mdb039 D NORM mdb202 D SPIC M 557 772 37 mdb040 D NORM mdb203 F NORM mdb041 G NORM mdb204 F SPIC B 336 399 21 mdb042 G NORM mdb205 F NORM mdb043 G NORM mdb206 F SPIC M 368 200 17 mdb044 G NORM mdb207 D SPIC B 571 564 19 mdb045 G NORM mdb208 D NORM mdb046 G NORM mdb209 G CALC M 647 503 87 mdb047 G NORM mdb210 G NORM mdb048 G NORM mdb211 G CALC M 680 327 13 mdb049 G NORM mdb212 G CALC B 687 882 mdb050 G NORM mdb213 G CALC M 547 520 45 mdb051 G NORM mdb214 G CALC B 582 916 11 mdb052 G NORM mdb215 D NORM mdb053 D NORM mdb216 D CALC M *NOTE 3* mdb054 D NORM mdb217 G NORM mdb055 G NORM mdb218 G CALC B 519 629 mdb056 G NORM mdb219 G CALC B 546 756 29 mdb057 D NORM mdb220 G NORM mdb058 D MISC M 318 359 27 mdb221 D NORM mdb059 F CIRC B mdb222 D CALC B 398 427 17 85 mdb060 F NORM mdb223 D CALC B 523 482 29 mdb061 D NORM mdb223 D CALC B 591 529 mdb062 D NORM mdb224 D NORM mdb063 D MISC B 546 463 33 mdb225 D NORM mdb064 D NORM mdb226 D CALC B 287 610 mdb065 D NORM mdb226 D CALC B 329 550 25 mdb066 D NORM mdb226 D CALC B 531 721 mdb067 D NORM mdb227 G CALC B 504 467 mdb068 D NORM mdb228 G NORM mdb069 F CIRC B 462 406 44 mdb229 F NORM mdb070 F NORM mdb230 F NORM mdb071 G NORM mdb231 F CALC M 603 538 44 mdb072 G ASYM M 266 517 28 mdb232 F NORM mdb073 G NORM mdb233 G CALC M *NOTE 3* mdb074 G NORM mdb234 G NORM mdb075 F ASYM M 468 717 23 mdb235 D NORM mdb076 F NORM mdb236 D CALC B 276 824 14 mdb077 F NORM mdb237 F NORM mdb078 F NORM mdb238 F CALC M 522 553 17 mdb079 F NORM mdb239 D CALC M 645 755 40 mdb080 F CIRC B 432 149 20 mdb239 D CALC M 567 808 25 mdb081 G ASYM B 492 473 131 mdb240 D CALC B 643 614 23 mdb082 G NORM mdb241 D CALC M 453 678 38 mdb083 G ASYM B 544 194 38 mdb242 D NORM mdb084 G NORM mdb243 D NORM mdb085 G NORM mdb244 D CIRC B 466 567 52 mdb086 G NORM mdb245 F CALC M *NOTE 3* mdb087 F NORM mdb246 F NORM mdb088 F NORM mdb247 F NORM mdb089 G NORM mdb248 F CALC B 378 601 10 mdb090 G ASYM M 510 547 49 mdb249 D CALC M 544 508 48 86 mdb091 F CIRC B 680 494 20 mdb249 D CALC M 575 639 64 mdb092 F ASYM M 423 662 43 mdb250 D NORM mdb093 G NORM mdb251 F NORM mdb094 G NORM mdb252 F CALC B 439 367 23 mdb095 F ASYM M 466 517 29 mdb253 D CALC M 733 564 28 mdb096 F NORM mdb254 D NORM mdb097 F ASYM B 612 297 34 mdb255 F NORM mdb098 F NORM mdb256 F CALC M 400 484 37 mdb099 D ASYM B 714 340 23 mdb257 D NORM mdb100 D NORM mdb258 D NORM mdb101 D NORM mdb259 D NORM mdb102 D ASYM M 415 460 38 mdb260 D NORM mdb103 D NORM mdb261 D NORM mdb104 D ASYM B 357 365 50 mdb262 D NORM mdb105 D ASYM M 516 279 98 mdb263 G NORM mdb106 D NORM mdb264 G MISC M 596 431 36 mdb107 D ASYM B 600 621 111 mdb265 G MISC M 593 498 60 mdb108 D NORM mdb266 G NORM mdb109 D NORM mdb267 F MISC M 793 481 56 mdb110 D ASYM M 190 427 51 mdb268 F NORM mdb111 D ASYM M 505 575 107 mdb269 G NORM mdb112 D NORM mdb270 G CIRC M 356 945 72 mdb113 G NORM mdb271 F MISC M 784 270 68 mdb114 G NORM mdb272 F NORM mdb115 G ARCH M 461 532 117 mdb273 F NORM mdb116 G NORM mdb274 F MISC M 127 505 123 mdb117 G ARCH M 480 576 84 mdb275 G NORM mdb118 G NORM mdb276 G NORM mdb119 G NORM mdb277 G NORM mdb120 G ARCH M 423 262 79 mdb278 G NORM mdb121 G ARCH B 492 434 87 mdb279 G NORM 87 mdb122 G NORM mdb280 G NORM mdb123 G NORM mdb281 D NORM mdb124 G ARCH M 366 620 33 mdb282 D NORM mdb125 D ARCH M 700 552 60 mdb283 D NORM mdb126 D ARCH B 191 549 23 mdb284 D NORM mdb127 G ARCH B 523 551 48 mdb285 D NORM mdb128 G NORM mdb286 D NORM mdb129 D NORM mdb287 D NORM mdb130 D ARCH M 220 552 28 mdb288 D NORM mdb131 F NORM mdb289 D NORM mdb132 F CIRC B 252 788 52 mdb290 D CIRC B 337 353 45 mdb132 F CIRC B 335 766 18 mdb291 G NORM mdb133 F NORM mdb292 G NORM mdb134 F MISC M 469 728 49 mdb293 F NORM mdb135 F NORM mdb294 F NORM mdb136 F NORM mdb295 D NORM mdb137 D NORM mdb296 D NORM mdb138 D NORM mdb297 F NORM mdb139 F NORM mdb298 F NORM mdb140 F NORM mdb299 F NORM mdb141 F CIRC M 470 759 29 mdb300 F NORM mdb142 F CIRC B 347 636 26 mdb301 F NORM mdb143 F NORM mdb302 F NORM mdb144 F MISC B 233 994 29 mdb303 F NORM mdb144 F MISC M 313 540 27 mdb304 F NORM mdb145 D SPIC B 669 543 49 mdb305 F NORM mdb146 D NORM mdb306 F NORM mdb147 F NORM mdb307 F NORM mdb148 F SPIC M 326 607 174 mdb308 F NORM mdb149 F NORM mdb309 F NORM mdb150 F ARCH B 351 661 62 mdb310 F NORM 88 mdb151 F NORM mdb311 F NORM mdb152 F ARCH B 675 486 48 mdb312 F MISC B 240 263 20 mdb153 F NORM mdb313 F NORM mdb154 F NORM mdb314 F MISC B 518 191 39 mdb155 F ARCH M 448 480 95 mdb315 D CIRC B 516 447 93 mdb156 F NORM mdb316 D NORM mdb157 F NORM mdb317 D NORM mdb158 F ARCH M 540 565 88 mdb318 D NORM mdb159 F NORM mdb319 D NORM mdb160 F ARCH B 536 519 61 mdb320 D NORM mdb161 D NORM mdb321 D NORM mdb162 D NORM mdb322 D NORM 89 Bảng 0-2: Cơ sở liệu bệnh nhân Bệnh viện K sở Tân Triều(năm 2019) : STT Tên bệnh nhân Độ tuổi Chỉ định chụp mb1 BAN THI HUONG THAO 32 RMLO,RCC,LCC,LMLO mb2 mb3 BUI THI BEN BUI THI HA 59 52 RMLO RMLO,LMLO mb4 BUI THI DAO 53 LMLO,LCC mb5 BUI THI HIEN 52 RMLO mb6 BUI THI PHUONG 30 RCC,LCC,RMLO,LMLO mb7 mb8 mb9 mb10 BUI THI THU HUYEN CHE THI MAI CHU THI HUYEN DANG THI KIM CHUNG 35 36 52 53 RMLO,LMLO RMLO,LMLO LMLO,RMLO LMLO,RMLO mb11 DANG THI LAN 48 RMLO,RCC,LCC,LMLO mb12 mb13 mb14 mb15 mb16 mb17 mb18 mb19 36 34 44 32 27 49 49 41 LMLO,RMLO RMLO,LMLO RMLO,LMLO LMLO,RMLO LMLO,RMLO RMLO LMLO,RMLO LMLO,RMLO mb20 LE THI NGUYET 56 RMLO,RCC,LCC,LMLO mb21 LE THI THUY LINH mb22 LE THI HUYEN mb23 LE THI LIEN 30 39 68 LMLO,RMLO LMLO,LCC RMLO mb24 LE THI NGA 30 RCC,LCC,RMLO,LMLO mb25 NGUYEN THI THA mb26 NGO THI HUONG mb27 NGUY THI THAO 52 34 43 RMLO,LMLO RMLO,LMLO LMLO,RMLO DO THI HIEN DOAN THI HUE DOAN THI OANH DUONG THI DUNG DOAN THI KET HUA THI CHIEN LE THI NET LE THI NGOC LAN mb28 NGUYEN DIEP THU THUY mb29 NGUYEN HONG HANH mb30 NGUYEN QUYNH HOA mb31 NGUYEN THI SINH mb32 NGUYEN THI BAI 28 29 21 60 49 LMLO,RMLO RMLO,RCC,LCC,LMLO LMLO,RMLO RMLO,LMLO RMLO,LMLO 90 mb33 mb34 mb35 mb36 NGUYEN THI BAY NGUYEN THI CHUYEN NGUYEN THI DAN NGUYEN THI GIANG NGUYEN THI HONG mb37 NHUNG mb38 NGUYEN THI KIEU NGA mb39 NGUYEN THI LAI mb40 NGUYEN THI LAN HUONG mb41 NGUYEN THI LE mb42 NGUYEN THI THOM mb43 NGUYEN THI THU NGA mb44 mb45 mb46 mb47 NGUYEN THI HANG NGUYÊN HONG HANH NGUYEN THI HUE NGUYEN THI HUONG mb48 NGUYEN THI LUONG mb49 NGUYEN THI NGA mb50 NGUYEN THI NHU HOA mb51 NGUYEN THI SINH mb52 NGUYEN THI THAO mb53 NGUYEN THI THUY mb54 NGUYEN THI TRANG mb55 PHAM THI TAM mb56 mb57 mb58 mb59 PHAM THI HOA MAI PHAM THI THU HIEN PHAM THI HAI PHAM THI THUY NGA mb60 PHAN THI HANG mb61 mb62 mb63 mb64 PHAN THI HUYEN PHAN THI QUYNH ANH QUAN THI VUI TRAN THI HANG mb65 TRAN THI XUAN 48 62 41 40 21 38 40 26 47 49 47 27 38 44 40 28 48 33 48 40 29 54 44 52 44 48 55 24 47 28 40 35 36 LMLO,RMLO LMLO,RMLO RMLO LMLO,RMLO LMLO,RMLO RMLO,RCC,LCC,LMLO LMLO,RMLO RMLO LMLO,RMLO LMLO,RMLO RMLO,RCC,LCC,LMLO LMLO,RMLO RMLO LMLO,RMLO LMLO,RMLO RMLO,RCC,LCC,LMLO LMLO,RMLO RMLO,RCC,LCC,LMLO RMLO,RCC,LCC,LMLO RMLO,RCC RMLO,RCC,LCC LMLO,RMLO RMLO,RCC,LCC,LMLO LMLO,RMLO RMLO LMLO,RMLO LMLO,RMLO RMLO,RCC,LCC,LMLO LMLO,RMLO RMLO LMLO,RMLO LMLO,RMLO RMLO,RCC,LCC,LMLO 91 mb66 TRAN THI THANH BINH mb67 TRAN THI HANH mb68 TRAN THI HA mb69 TRAN THI PHUONG mb70 TRAN THI TUYEN mb71 TRINH THI THUY mb72 VU THI DINH mb73 VU THI NGOC mb74 VU TRA MY mb75 VU THI TAN 39 48 43 39 27 39 28 30 34 54 LMLO,RMLO RMLO,RCC,LCC,LMLO RMLO,RCC,LCC,LMLO RMLO,RCC RMLO,RCC,LCC LMLO,RMLO RMLO,RCC,LCC,LMLO LMLO,RMLO RMLO LMLO,RMLO 92 ... phòng tránh Phương pháp chẩn đoán ung thư vú, phương pháp chụp ảnh X quang vú, đặc điểm ảnh X quang vú  Tìm hiểu, nghiên cứu số phương pháp tăng cường chất lượng ảnh chụp x quang vú  X? ?y dựng... 4-19: Ảnh gốc để tăng cường chất lượng ảnh 67 Hình 4-20: Ảnh ban đầu ảnh tăng cường chất lượng ảnh theo phương pháp 67 Hình 4-21: Ảnh ban đầu ảnh tăng cường chất lượng ảnh. .. CHƯƠNG PHƯƠNG PHÁP TIỀN X? ?? LÝ VÀ TĂNG CƯỜNG CHẤT LƯỢNG ẢNH CHỤP X QUANG VÚ 34 3.1 Đặt vấn đề 34 3.2 Một số phương pháp tiền x? ?? lý ảnh chụp X- quang vú 36 3.2.1 Tách vùng ảnh vú

Ngày đăng: 02/06/2022, 17:21

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[2] Nguyen Viet Dung, Nguyen Duc Thuan, Nguyen Tien Dzung, Pham Van Thanh, “An Automated Method to Segment and Classify Masses in Mammograms,” International Journal of Electrical and Computer Engineering, t ậ p 4(8), 2009 Sách, tạp chí
Tiêu đề: An Automated Method to Segment and Classify Masses in Mammograms,” "International Journal of Electrical and Computer Engineering
[3] PGS Nguy ễ n Ch ấn Hùng, “Ung thư h ọ c n ộ i khoa,” Nhà xu ấ t b ả n Y H ọ c Thành ph ố H ồ Chí Minh, 2000, pp. 18-19 Sách, tạp chí
Tiêu đề: Ung thư học nội khoa
Nhà XB: Nhà xuất bản Y Học Thành phố Hồ Chí Minh
[6] Nguy ễ n Thái Hà, Nguy ễn Đứ c Thu ậ n, Ph ạ m M ạnh Hùng, Đào Trang Linh, Tr ầ n Thanh Minh, “Phân vùng ả nh X-quang vú b ằng phương pháp chênh l ệ ch m ức xám đồ ,” T ạp chí Khoa học và Công nghệ Các trường Đại học Kỹ thuật, t ậ p 74, 2009 Sách, tạp chí
Tiêu đề: Phân vùng ảnh X-quang vú bằng phương pháp chênh lệch mức xám đồ,” "Tạp chí Khoa học và Công nghệ Các trường Đại học Kỹ thuật
[8] International Agency for Research on Cancer World Health Organization , “ GLOBOCAN 2018: Estimated Cancer Incidence, Mortality and Prevalence Worldwide in 2018. Breast Cancer,” 2018 Sách, tạp chí
Tiêu đề: GLOBOCAN 2018: Estimated Cancer Incidence, Mortality and Prevalence Worldwide in 2018. Breast Cancer
[10] A.Halim, “Human Anatomy: Female Pelvis and Breast,” I.K.Inter national Publishing House, 2009 Sách, tạp chí
Tiêu đề: Human Anatomy: Female Pelvis and Breast
[14] A. Talebpour, D. Arefan, H. Mohamadlou, “Automated Abnormal Mass Detection in the Mammogram Images Using Chebyshev Moments,” Research Journal of Applied Sciences, Engineering and Technology, t ậ p 5(2), pp. 513-518, 2013 Sách, tạp chí
Tiêu đề: Automated Abnormal Mass Detection in the Mammogram Images Using Chebyshev Moments,” "Research Journal of Applied Sciences, Engineering and Technology
[15] Bovis K., Singh S, “Detection of masses in mammograms using texture features. 15th International Conference on Pattern Recognition (ICPR'00),” 2000, pp. 267-269 Sách, tạp chí
Tiêu đề: Detection of masses in mammograms using texture features. 15th International Conference on Pattern Recognition (ICPR'00)
[16] Homero Schiabel, Vivian T. Santos, Michele F. Angelo, trong Segmentation technique for detecting suspect masses in dense breast digitized images as a tool for mammography. 2008 ACM symposium on Applied computing (SAC '08), 2008, pp. 1333-1337 Sách, tạp chí
Tiêu đề: Segmentation technique for detecting suspect masses in dense breast digitized images as a tool for mammography. 2008 ACM symposium on Applied computing (SAC '08)
[17] T. Stojic, I. Reljin, B. Reljin, “Local Contrast Enhancement in Digital Mammography by Using Mathematical Morphology,” 2005, pp. 609- 612 Sách, tạp chí
Tiêu đề: Local Contrast Enhancement in Digital Mammography by Using Mathematical Morphology
[18] D. W, “Improved Wavelet Based Thresholding for Contrast Enhancement of Digital Mammograms.,” International Conference on Computer Science and Software, pp. 948-951, 2008 Sách, tạp chí
Tiêu đề: Improved Wavelet Based Thresholding for Contrast Enhancement of Digital Mammograms.,” "International Conference on Computer Science and Software
[20] David Raba, Arnau Oliver, Joan Martí, Marta Peracaula, Joan Espunya, “Breast Segmentation with Pectoral Muscle Suppression on Digital Mammograms,” Springer Lecture Notes in Computer Science, t ậ p 3523, pp. 471-478, 2005 Sách, tạp chí
Tiêu đề: Breast Segmentation with Pectoral Muscle Suppression on Digital Mammograms,” "Springer Lecture Notes in Computer Science
[21] Celia Varela, Pablo G. Tahoces, Arturo J. Méndez, Miguel Souto, “Computerized detection of breast masses in digitized mammograms.,” Computer in Biology and Medicine, t ậ p 37, pp. 214- 226, 2007 Sách, tạp chí
Tiêu đề: Computerized detection of breast masses in digitized mammograms.,” "Computer in Biology and Medicine
[22] Cascio D., Fauci F., Magro R., Raso G. et all, “Mammogram Segmentation by Contour Searching and Massive Lesion Classification with Neural Network.,” IEEE Nuclear Science Symposium Conference, pp. 2695-2699, 2004 Sách, tạp chí
Tiêu đề: Mammogram Segmentation by Contour Searching and Massive Lesion Classification with Neural Network.,” "IEEE Nuclear Science Symposium Conference
[24] S Astley, D Betal, N Cerneaz, D R Dance, S-L Kok, J Parker, I Ricketts, J Savage, E Stamatakis and P Taylor, “PEIPA, the Pilot European Image Processing Archive,” 2012 Sách, tạp chí
Tiêu đề: PEIPA, the Pilot European Image Processing Archive
[28] Amroabadi S. H., Ahmadzadeh M. R., Hekmatnia A, “Mass Detection in Mammograms Using GA based PCA and Haralick Features Selection,” trong 19th Iranian Conference on Electrical Engineering, 2011 Sách, tạp chí
Tiêu đề: Mass Detection in Mammograms Using GA based PCA and Haralick Features Selection,” trong "19th Iranian Conference on Electrical Engineering
[29] Ponraj, D & Jenifer, M & Poongodi, P. & Manoharan, Samuel, “A Survey on the Preprocessing Techniques of Mammogram for the Detection of Breast Cancer.,” Journal of Emerging Trends in Computing and Information Sciences. 2. , 2011 Sách, tạp chí
Tiêu đề: A Survey on the Preprocessing Techniques of Mammogram for the Detection of Breast Cancer.,” "Journal of Emerging Trends in Computing and Information Sciences. 2
[1] Bùi Di ệ u, Tr ần Văn Thuấn, Khuynh hướ ng m ắc ung thư Việ t Nam giai đoạ n 2004-2013, 2017 Khác
[4] Bích Th ủ y, H ả i Y ế n, C ẩ m nang vú và b ệnh ung thư vú, Nhà xuấ t b ả n Y h ọ c, 1997 Khác
[5] American College of Radiology, ACR BI-RADS - Breast Imaging Reporting and Data System, 2003 Khác
[7] Bùi Di ệ u, Nguy ễ n Bá Đứ c, Tr ần Văn Thuấ n, Gánh n ặ ng b ệnh ung thư và chi ến lượ c phòng ch ống ung thư quốc gia đến năm 2020, Tạ p chí Ung thư họ c Vi ệ t Nam, 1-2012 Khác

TRÍCH ĐOẠN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN