Tiếp cận tính toán thông minh cho việc trích xuất gan và tổn thương gan trong ảnh MR ổ bụng ba chiều

ĐẠI HỌC QUỐC GIA TP ĐẠI HỌC QUỐC GIA TP HCM TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN LÊ TRỌNG NGỌC TIẾP CẬN TÍNH TOÁN THÔNG MINH CHO VIỆC TRÍCH XUẤT GAN VÀ TỔN THƢƠNG GAN TRONG ẢNH MR Ổ BỤNG BA CHIỀU LUẬN ÁN TIẾN SĨ KHOA HỌC MÁY TÍNH Tp Hồ Chí Minh – Năm 2019 ĐẠI HỌC QUỐC GIA TP HCM TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN LÊ TRỌNG NGỌC TIẾP CẬN TÍNH TOÁN THÔNG MINH CHO VIỆC TRÍCH XUẤT GAN VÀ TỔN THƢƠNG GAN TRONG ẢNH MR Ổ BỤNG BA CHIỀU Chuyên ngành khoa học máy tính Mã số chuyên ngành 62480101 Phản biện 1 TS Lê.

ĐẠI HỌC QUỐC GIA TP HCM TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN LÊ TRỌNG NGỌC TIẾP CẬN TÍNH TỐN THƠNG MINH CHO VIỆC TRÍCH XUẤT GAN VÀ TỔN THƢƠNG GAN TRONG ẢNH MR Ổ BỤNG BA CHIỀU LUẬN ÁN TIẾN SĨ KHOA HỌC MÁY TÍNH Tp Hồ Chí Minh – Năm 2019 ĐẠI HỌC QUỐC GIA TP HCM TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN LÊ TRỌNG NGỌC TIẾP CẬN TÍNH TỐN THƠNG MINH CHO VIỆC TRÍCH XUẤT GAN VÀ TỔN THƢƠNG GAN TRONG ẢNH MR Ổ BỤNG BA CHIỀU Chuyên ngành: khoa học máy tính Mã số chuyên ngành: 62480101 Phản biện 1: TS Lê Thành Sách Phản biện 2: TS Ngô Quốc Việt Phản biện 3: TS Hà Việt Uyên Synh Phản biện độc lập 1: TS Ngô Quốc Việt Phản biện độc lập 2: TS Hà Việt Uyên Synh NGƢỜI HƢỚNG DẪN KHOA HỌC PGS.TS Huỳnh Trung Hiếu PGS.TS Phạm Thế Bảo Tp Hồ Chí Minh – Năm 2019 Lời cam đoan Tơi xin cam đoan nội dung luận án kết nghiên cứu thân tác giả dƣới hƣớng dẫn cán hƣớng dẫn khoa học Tất thông tin tham khảo đƣợc nêu rõ nguồn gốc danh mục tài liệu tham khảo luận án Những đóng góp luận án nghiên cứu tác giả công bố báo đƣợc liệt kê danh mục cơng trình nghiên cứu, chƣa đƣợc cơng bố tác giả khác Các cơng trình nghiên cứu nhiều tác giả đƣợc đƣa vào luận án đƣợc đồng ý tất đồng tác giả Tác giả luận án Lê Trọng Ngọc I Lời cám ơn Trƣớc hết xin gởi lời tri ân đến PGS TS Phạm Thế Bảo PGS TS Huỳnh Trung Hiếu tận tình hƣớng dẫn để tác giả hồn thành nghiên cứu Những chuỗi dài buổi chia kiến thức chuyên môn, đạo đức khoa học, công bố khoa học đƣa tác giả lên nấc thang nghiệp khoa học Em xin gởi lời cám ơn đến TS Nguyễn Chí Hiếu PGS TS Lê Hồi Bắc viết thƣ giới thiệu để em bắt đầu đƣờng nghiên cứu Em xin gởi lời cám ơn đến thầy cô khoa Công nghệ thông tin trƣờng Đại học khoa học tự nhiên TP HCM cung cấp thêm nhiều kiến thức quý giá thông qua mơn học, chun đề để em hồn thành tốt luận án Tơi xin gởi lời cám ơn đến đồng nghiệp khoa Công nghệ thông tin trƣờng Đại học công nghiệp TP HCM chia bớt công việc để tơi có thời gian học tập hồn thành luận án Cám ơn nhà trƣờng hỗ trợ kinh phí tạo điều kiện cho tơi suốt khóa học Để có liệu hồn thành nghiên cứu, tơi biết ơn BS Phan Thanh Hải BS Nguyễn Thanh Đăng trung tâm y khoa MEDIC Cám ơn vợ gánh hết việc chăm sóc để chồng hồn thành việc học, cám ơn em gái gánh hết việc chăm sóc ba để anh hai yên tâm học tập Hơn tất muốn gởi quà đến ba ngƣời mẹ khuất có muộn màng Có lẽ khơng vƣợt qua đƣợc khó khăn trắc trở tuổi trẻ để đến đoạn đƣờng khơng có niềm tin từ ba mẹ TP Hồ Chí Minh, tháng 11 năm 2018 Tác giả II MỤC LỤC Lời cam đoan I Lời cám ơn II Danh mục ký hiệu, thuật ngữ, chữ viết tắt VII Danh mục bảng VIII Danh mục hình vẽ, đồ thị IX MỞ ĐẦU .1 Giới thiệu toán 1.1 Động nghiên cứu 1.1.1 Tình hình ung thƣ gan giới .1 1.1.2 Tình hình ung thƣ gan Việt nam 1.1.3 Phác đồ điều trị ung thƣ 1.2 Bài tốn trích xuất gan u gan .2 1.3 Đánh giá hiệu thuật tốn trích xuất gan u gan 1.3.1 Tiêu chuẩn vàng 1.3.2 Các độ đo .4 1.3.3 Dữ liệu thực nghiệm phƣơng pháp thực nghiệm Mục tiêu phạm vi nghiên cứu Các đóng góp luận án .5 Bố cục luận án CHƢƠNG - TỔNG QUAN 1.1 Tổng quan ảnh MR ổ bụng chiều 1.2 Tổng quan nghiên cứu trich xuất gan .10 1.3 Tổng quan nghiên cứu trích xuất u gan 15 III CHƢƠNG - MƠ HÌNH TỐN HỌC CHO BÀI TỐN TRÍCH XUẤT GAN TỪ ẢNH MR Ổ BỤNG BA CHIỀU 17 2.1 Mơ hình tốn học cho tốn trích xuất gan 17 2.1.1 Biểu diễn ảnh thông qua hàm số 17 2.1.2 Biểu diễn biên dùng tập đồng mức 18 2.1.3 Phƣơng pháp tập đồng mức .19 2.1.4 Kỹ thuật biến phân .20 2.1.5 Mơ hình trích xuất gan .20 2.2 Tiền xử lý 21 2.2.1 Các thuật toán khử nhiễu 21 2.2.2 Ảnh cạnh tiềm 24 2.2.3 Thuật toán tiền xử lý 24 2.3 Xác định vùng gan xấp xỉ 25 2.3.1 Phƣơng trình Eikonal 25 2.3.2 Thuật toán Fast Marching 26 2.3.3 Thuật toán xác định biên gan xấp xỉ dùng thuật toán Fast Marching 28 2.4 Tinh chỉnh biên gan dùng kỹ thuật biến phân 30 2.5 Thuật tốn trích xuất gan 33 2.6 Kết thực nghiệm 34 2.7 Kết chƣơng .36 CHƢƠNG - THUẬT TỐN TRÍCH XUẤT GAN TỰ ĐỘNG DÙNG ĐẶC TRƢNG THỐNG KÊ CỦA GAN 38 3.1 Trích xuất vùng gan xấp xỉ .38 3.1.1 Các phép tốn hình thái học 39 IV 3.1.2 Thuật tốn trích xuất vùng gan 41 3.2 Xác định ảnh gan tiềm .42 3.2.1 Biến đổi Watershed 42 3.2.2 Ƣớc lƣợng miền mức xám gan tạo ảnh gan tiềm 46 3.3 Thuật toán trích xuất gan tự động 48 3.4 Kết thực nghiệm 49 3.5 Kết chƣơng .54 CHƢƠNG - CÁC THUẬT TỐN TRÍCH XUẤT GAN VÀ U GAN SỬ DỤNG MÁY HỌC CỰC TRỊ 55 4.1 Máy học cực trị ứng dụng 55 4.1.1 Giới thiệu mạng neural nhân tạo 55 4.1.2 Máy học cực trị 59 4.1.3 Ứng dụng vào việc xác định đƣờng trơn xấp xỉ histogram ảnh .61 4.2 Thuật tốn trích xuất gan tự động 63 4.2.1 Xác định miền mức xám ảnh gan tiềm 63 4.2.2 Thuật tốn trích xuất gan tự động 65 4.2.3 Kết thực nghiệm 65 4.3 Thuật tốn trích xuất u gan .67 4.3.1 Phân vùng ảnh sử dụng thuật toán Fast Marching .67 4.3.2 Xác định u gan dùng máy học cực trị 69 4.3.3 Thuật tốn trích xuất u gan 70 4.3.4 Kết thực nghiệm 71 4.4 Kết chƣơng .75 V CHƢƠNG - KẾT QUẢ VÀ HƢỚNG PHÁT TRIỂN .77 5.1 Kết luận án 77 5.2 Hƣớng phát triển luận án 79 DANH MỤC CÔNG TRÌNH CỦA TÁC GIẢ 80 TÀI LIỆU THAM KHẢO 80 PHỤ LỤC - CÁC ĐỘ ĐO 88 VI Danh mục ký hiệu, thuật ngữ, chữ viết tắt Chữ viết tắt Tiếng Anh Nghĩa tiếng việt GAC Geodesic Active contour Ảnh MR Magnetic Resonance Image Ảnh cộng hƣởng từ Ảnh CT Computed Tomography Ảnh cắt lớp vi tính Image slice Lát cắt Acc Accuracy Các độ đo đánh gái kết ASSD Average symmetric surface distance RMSSD trích xuất gan u gan so với tiêu chuẩn vàng Root mean square symmetric surface distance MSSD Mean symmetric surface distance Dice Dice Sensitivity Sensitivity Specificity Specificity VII Danh mục bảng Bảng 2.1 So sánh kết trích xuất thuật tốn 2.5………………………… 35 Bảng 4.1 So sánh thể tích u trích xuất thuật tốn 4.5 tiêu chuẩn vàng……70 Bảng 4.2 Thể tích trích xuất lỗi thuật tốn 4.5……………………………… 72 Bảng 4.3 Chi tiết độ đo……………………………………………………… 72 Bảng 4.4 So sánh kết thuật toán 4.5………………………………………… 73 Bảng 5.1 Các kỹ thuật thuật tốn trích xuất gan…………………………….75 Bảng 5.2 So sánh kết trích xuất thuật tốn trích xuất gan……………76 VIII nữ giới (đứng thứ ba sau ung thƣ vú ung thƣ phổi) Tỷ lệ tử vong ung thƣ gan Việt nam 26.9% nam giới (trong 58.2 ngàn ca tử vong ung thƣ) 13.7% nữ giới (trong 33.4 ngàn ca tử vong ung thƣ) [64] 1.1.3 Phác đồ điều trị ung thƣ Theo Johns Hopkins Pathology [38], phác đồ điều trị ung thƣ nói chung ung thƣ gan nói riêng nhƣ sau: - Trƣờng hợp u gan nhỏ chức gan tốt, phần gan đƣợc phẫu thuật cắt bỏ để loại bỏ u gan phần nhỏ mơ bao quanh Trong trƣờng hợp kích thƣớc vị trí u cần xác định để tiến hành phẫu thuật, kích thƣớc gan cần xác định để biết phần gan cịn lại có đủ để trì sống hay không - Một số trƣờng hợp phẫu thuật cấy ghép gan, gan ung thƣ bị loại bỏ thay gan khỏe mạnh từ ngƣời hiến gan Trong trƣờng hợp cần phải xác định kích thƣớc gan - Trong hầu hết trƣờng hợp, phác đồ điều trị thƣờng xạ trị để tiêu diệt tế bào ung thƣ thu nhỏ khối u; sau phẫu thuật cắt bỏ khối u; cuối hoá trị tiêu diệt tế bào ung thƣ cịn sót lại Trong trƣờng hợp kích thƣớc u cần xác định liên tục để đánh giá việc đáp ứng thc, kích thƣớc gan cần xác định để biết phần gan lại sau phẫu thuật có đủ trì sống - Số trƣờng hợp khác dùng nút mạch gan, thắt động mạch gan,…thì kích thƣớc u cần xác định để đánh giá hiệu phƣơng pháp 1.2 Bài tốn trích xuất gan u gan Từ phác đồ điều trị nhận thấy bác sỹ cần trích xuất gan u gan, tức xác định thể tích vị trí gan u gan Để trích xuất gan u gan bác sỹ phải vẽ biên gan u gan lát cắt (slice) loại ảnh phổ biến ảnh chụp cắt lớp vi tính (CT, Computed Tomography) ảnh cộng hƣởng từ (MR, Magnetic Resonance) Công việc nhiều thời gian độ xác phụ thuộc vào kinh nghiệm, kiến thức ngƣời thực Hiện có nhiều đầu tƣ nghiên cứu cho việc trích xuất bán tự động hay tự động với hỗ trợ máy tính, nhiên kết cịn hạn chế độ xác, mức độ hỗ trợ máy tính thời gian thực Do giá thành rẻ, ảnh CT sớm đƣợc sử dụng vào việc hỗ trợ bác sỹ điều trị chẩn đoán Nhiều sơ đồ trích xuất gan từ ảnh CT đƣợc công bố Đặc biệt từ hội nghị MICCAI 20071 (International Conference Medical Image Computing and Computer Assisted Intervention) trích xuất gan MICCAI 20082 trích xuất u gan Với việc ngày giảm giá thành, không chịu tác hại tia X nhƣ ảnh CT ƣu chẩn đoán ảnh MR nhiều trƣờng hợp ảnh MR lựa chọn ngày phổ biến chẩn đoán điều trị bên cạnh ảnh CT Tuy nhiên với phân bố mức xám phức tạp ảnh MR việc phát triển phƣơng pháp trích xuất gan u gan từ ảnh nhiều hạn chế, áp dụng phƣơng pháp trích xuất gan u gan từ ảnh CT vào ảnh MR phần lớn không thành công [29] Hiện chƣa nhiều cơng trình có ý nghĩa trích xuất gan u gan từ ảnh MR ổ bụng đƣợc công bố Bên cạnh u gan, số trƣờng hợp dạng tổn thƣơng khác gan cần đƣợc xác định kích thƣớc Từ trình bày hình thành tốn nghiên cứu luận án đề xuất thuật tốn trích xuất gan tổn thương gan từ ảnh MR ổ bụng ba chiều Trong luận án sử dụng thuật ngữ u gan bao gồm tổn thƣơng gan 1.3 Đánh giá hiệu thuật tốn trích xuất gan u gan 1.3.1 Tiêu chuẩn vàng Hiệu thuật tốn trích xuất gan u gan đƣợc đánh giá qua thời gian thực thi, mức độ hỗ trợ máy tính (tự động hay bán tự động) độ xác kết trích xuất http://sliver07.org/miccai.php https://web.archive.org/web/20131216120403/http://lts08.bigr.nl/ Để đánh giá độ xác kết trích xuất gan u gan, ta phải so sánh với mơ hình thật gan u gan Tuy nhiên thực tế ta khơng có đƣợc mơ hình thật Vì để phục vụ nghiên cứu mơ hình thật gan u gan thƣờng đƣợc xác định ảnh thông qua chuyên gia kinh nghiệm Với lát cắt ảnh MR ổ bụng ba chiều, chuyên gia vẽ thủ công biên gan biên u gan Từ xác định mơ hình gan u gan, mơ hình đƣợc xem nhƣ tiêu chuẩn vàng thay mơ hình thật Kết trích xuất sử dụng thuật toán đƣợc so sánh với tiêu chuẩn vàng để đánh giá hiệu thuật toán 1.3.2 Các độ đo Các độ đo thể phù hợp kết trích xuất gan thuật tốn so với tiêu chuẩn vàng độ đo thể tích nhƣ độ xác (Accuracy), hệ số Dice tỷ lệ thể tích trích xuất lỗi Đối với kết trích xuất u gan cịn sử dụng thêm độ đo khoảng cách bề mặt u gan trích xuất thuật toán tiêu chuẩn vàng nhƣ ASSD (average symmetric surface distance), độ đo RMSSD (root mean square symmetric surface distance) MSSD (mean symmetric surface distance) Các độ đo đƣợc sử dụng phổ biến từ hội nghị MICCAI 20073, MICCAI 20084 đƣợc dùng rộng rãi nghiên cứu phân đoạn ảnh y khoa [66] Các độ đo đƣợc trình bày thảo luận chi tiết phụ lục 1.3.3 Dữ liệu thực nghiệm phƣơng pháp thực nghiệm Dữ liệu thực nghiệm đƣợc thu thập từ trung tâm y khoa MEDIC (Việt nam), trung tâm y khoa đại học Chicago (Hoa kỳ), TCIA (The Cancer Imaging Archive)5 Biên gan u gan đƣợc chuyên gia trung tâm xác định http://sliver07.org/miccai.php https://web.archive.org/web/20131216120403/http://lts08.bigr.nl/ http://www.cancerimagingarchive.net/ 4 Thuật toán trích xuất gan u gan đƣợc thực nghiệm ảnh để xác định số tham số cần thiết Các tham số đƣợc cố định thực nghiệm toàn liệu Mục tiêu phạm vi nghiên cứu Mục tiêu phạm vi nghiên cứu đề tài đề xuất thuật toán trích xuất gan u gan từ ảnh MR ổ bụng ba chiều Các đóng góp luận án - Đề xuất mơ hình tốn học cho tốn trích xuất gan dùng phƣơng pháp tập đồng mức kết hợp với kỹ thuật biến phân, cải tiến thuật tốn GAC (Geodesic Active Contour) Từ phát triển thuật tốn trích xuất gan bán tự động [CT1, CT6] - Đề xuất phƣơng pháp xác định miền mức xám gan dùng biến đổi Watershed đặc trƣng thống kê gan, từ đề xuất thuật tốn trích xuất gan tự động từ ảnh MR ổ bụng ba chiều [CT2] - Đề xuất phƣơng pháp xác định miền mức xám gan dùng máy học cực trị (Extreme Learning Machine) [CT4], từ đề xuất thuật tốn trích xuất gan tự động từ ảnh MR ổ bụng ba chiều [CT5] - Đề xuất thuật tốn trích xuất u gan bán tự động dùng máy học cực trị phƣơng pháp tập đồng mức [CT3] Bố cục luận án Nội dung luận án gồm có: mở đầu, năm chƣơng, cơng trình tác giả, tài liệu tham khảo phụ lục - Mở đầu giới thiệu toán, mục tiêu phạm vi nghiên cứu, đóng góp luận án, bố cục của luận án - Chƣơng trình bày tổng quan ảnh MR ổ bụng ba chiều, thách thức tốn trích xuất gan u gan từ ảnh MR ổ bụng ba chiều Chƣơng khảo sát cơng trình trích xuất gan, u gan từ ảnh MR CT để ngƣời đọc thấy đƣợc bề dày nghiên cứu toán vấn đề mở cần giải luận án - Chƣơng hai trình bày mơ hình tốn học cho tốn trích xuất gan từ ảnh MR ổ bụng ba chiều dùng phƣơng pháp tập đồng mức kỹ thuật biến phân Nội dung chƣơng giới thiệu thuật toán hiệu phƣơng pháp tập đồng mức thuật toán Fast Marching, vận dụng thuật toán vào việc trích xuất vùng gan xấp xỉ Chƣơng hai trình bày sử dụng kỹ thuật biến phân vào việc xây dựng thuật tốn khử nhiễu trích xuất đối tƣợng, sử dụng kỹ thuật biến phân để cải tiến thuật toán GAC vận dụng vào việc tinh chỉnh biên gan - Chƣơng ba trình bày việc xác định miền mức xám gan ảnh MR ổ bụng ba chiều dùng biến đổi Watershed đặc trƣng thống kê gan Từ đề xuất thuật tốn trích xuất gan tự động - Chƣơng bốn trình bày máy học cực trị ứng dụng Ứng dụng máy học cực trị vào việc xây dựng thuật tốn trích xuất gan u gan - Chƣơng kết luận hƣớng phát triển trình bày tổng kết đóng góp luận án hƣớng phát triển nghiên cứu - Phục lục trình bày thảo luận độ đo sử dụng để đánh giá kết trích xuất gan u gan CHƢƠNG - TỔNG QUAN Chƣơng trình bày (i) Tổng quan ảnh MR ổ bụng ba chiều để từ nhận diện thách thức tốn trích xuất gan u gan từ ảnh MR (ii) Khảo sát cơng trình trích xuất gan, u gan từ ảnh MR CT để ngƣời đọc thấy đƣợc bề dày nghiên cứu tốn Thơng qua nhận diện vấn đề mở cần giải tốn Từ đề xuất hƣớng tiếp cận giải toán luận án 1.1 Tổng quan ảnh MR ổ bụng chiều Nguyên lý tạo ảnh MR dựa vào tƣợng cộng hƣởng từ hạt nhân Trong máy chụp ảnh MR dùng hạt nhân nguyên tử hydro [67] Hạt nhân nguyên tử hydro có proton mang điện tích dƣơng, tự quay quanh tạo từ trƣờng Khi đƣợc đặt từ trƣờng đủ mạnh B0 (khoảng 0.2-2.0 T), moment từ từ trƣờng hạt nhân nguyên tử hydro chiều với B0 quay quanh trục từ trƣờng B0 với tần số Larmor 0  B0 , (1.1)  tỷ số hồi chuyển, với nguyên tử hydro   42.57MHz / T Nếu ta phát sóng (trong thực tế dùng sóng radio) có tần số tần số Larmor xảy tƣợng cộng hƣởng từ, lúc hạt nhân chuyển qua trạng thái có mức lƣợng cao Khi ngừng phát sóng, mức chênh lệch lƣợng đƣợc giải phóng Kỹ thuật chụp ảnh MR phân tích lƣợng để xác định vị trí điểm ảnh giá trị mức xám điểm ảnh [67] Nhƣ việc tạo ảnh MR phụ thuộc vào từ trƣờng B0 sóng radio, khơng làm phá vỡ cấu trúc phân tử thể Trong việc tạo ảnh CT dựa vào hấp thụ tia X, phá vỡ liên kết phân tử ảnh hƣởng đến sức khỏe bệnh nhân Nƣớc chiếm 2/3 trọng lƣợng thể ngƣời, riêng khu vực bụng có khoảng 80% nƣớc [33] Mỗi phân tử nƣớc chứa nguyên tử hydro, mà hạt nhân nguyên tử hydro đƣợc dùng để tạo ảnh MR phân bố nƣớc tác động đến phân bố mức xám ảnh MR Khi xuất u gan, phân bố nƣớc gan nói riêng vùng bụng nói chung thay đổi dẫn đến phân bố mức xám ảnh MR thay đổi Vì phƣơng pháp trích xuất gan từ ảnh MR ổ bụng trƣờng hợp không bị ung thƣ gan khó áp dụng trực tiếp trƣờng hợp bị ung thƣ gan Mỗi điểm ảnh ảnh MR ổ bụng biểu diễn cho đơn vị thể tích, mà đơn vị thể tích thƣờng chứa khoảng vài mơ có số phần tử nƣớc khác Sự phân bổ nƣớc đơn vị thể tích thuộc gan không giống nhau, dẫn đến mức xám gan không đồng Mặt khác số đơn vị thể tích vùng ngồi gan có tƣơng đồng với vùng gan, điều dẫn đến nhiều vùng ngồi gan có mức xám tƣơng đồng với vùng gan [67] Với ảnh CT điểm ảnh đƣợc xác định dựa tỷ trọng trung bình đơn vị thể tích, mức xám gan đồng Vì nhiều cơng bố trích xuất gan từ ảnh CT ổ bụng dựa vào giả định: nhu mô gan gần nhƣ đồng nhất, việc nâng cao độ tƣơng phản làm cho gan sáng nội tạng xung quanh [54] Hai giả định không ảnh MR, phƣơng pháp trích xuất gan từ ảnh CT khó áp dụng trực tiếp ảnh MR mà cần phải mở rộng hay phát triển phƣơng pháp [34] (a) Histogram ảnh CT (b) Histogram ảnh MR Hình 1.1 Biến đổi mức xám ảnh MR CT ổ bụng [54] Hình 1.1 so sánh biến đổi mức xám ảnh CT ảnh MR ổ bụng Hình 1.1(a) biểu diễn histogram ảnh CT ổ bụng chiều histogram trung bình chúng (đƣờng đậm), nhận thấy khác biệt histogram ảnh xấp xỉ với histogram trung bình Hình 1.1(b) biểu diễn histogram ảnh MR ổ bụng ba chiều histogram trung bình chúng (đƣờng đậm), nhận thấy khác biệt histogram ảnh lớn [54] (a) Lát cắt 35 (b) Lát cắt 43 (c) Lát cắt 22 (d) Lát cắt 29 Hình 1.2 Một số lát cắt ảnh MR ổ bụng bệnh nhân bị ung thƣ (nguồn: trung tâm y khoa MEDIC6) Hình 1.2 bốn 52 lát cắt ảnh MR ổ bụng ổ bụng bệnh nhân ung thƣ gan Gan xuất từ lát cắt thứ chín đến lát cắt 50 gan có ba u gan Một u xuất từ lát cắt thứ 19 đến lát cắt thứ 22, u xuất từ lát cắt thứ 30 đến lát cắt thứ 37 u lại xuất từ lát cắt thứ 30 đến lát cắt thứ 38 Hình 1.2(a) lát cắt thứ 35 chứa vùng gan lớn có hai u gan, có u nằm https://medic.com.vn/ sát biên làm cho vùng biên nhập nhằng khó xác định Hình 1.2(b) lát cắt thứ 43 chứa vùng gan tiếp giáp với tim có biên mờ Hình 1.2(c) lát cắt thứ 22 chứa vùng gan tiếp giáp với cật hình 1.2 (d) lát cắt chứa vùng gan lớn tiếp xúc với ruột già có có vùng biên nhập nhằng Đây vài điển hình nhập nhằng biên gan Nhận thấy vùng biên nhập nhằng làm cho việc xác định biên gan trở nên thách thức 1.2 Tổng quan nghiên cứu trich xuất gan Với thách thức nhƣ trình bày trên, chƣa nhiều cơng trình trích xuất gan u gan từ ảnh MR ổ bụng có giá trị đƣợc cơng bố Tác giả chƣa tìm thấy nghiên cứu trích xuất gan u gan từ ảnh MR ổ bụng ba chiều đƣợc công bố nƣớc Khảo sát cơng trình trích xuất gan từ ảnh CT ổ bụng nhóm tác giả AM Mharib cộng sự, nhóm tác giả S Luo cộng kết luận thuật tốn gồm nhiều cơng đoạn thƣờng cho kết tốt [34, 39] Cũng theo nhóm tác giả này, thuật tốn trích xuất gan đƣợc chia làm ba nhóm dựa vào mức xám, cấu trúc (tập trung vào bề mặt gan) texture (cố gắng mô cách mà não ngƣời xử lý thơng tin) Trong ba nhóm thuật tốn thuật toán dựa mức xám cho kết tốt [34, 39] Trong thuật tốn trích xuất gan từ ảnh CT ổ bụng đƣợc đề xuất K Suzuki cộng [62], thuật tốn trích xuất gan từ ảnh MR ổ bụng đƣợc đề xuất HT Huynh cộng [29] việc trích xuất gan trải qua ba công đoạn: tiền xử lý, xác định vùng gan xấp xỉ tinh chỉnh biên gan Trong công đoạn tiền xử ảnh đƣợc giảm nhiễu tăng cƣờng biên, thuật tốn khử nhiễu khuếch tán dị hƣớng Perona- Malik đƣợc sử dụng [46] Thuật toán giảm nhiễu ảnh nhƣng trì đƣợc thơng tin biên cấu trúc ảnh, phù hợp sử dụng cho ảnh y khoa mà cụ thể ảnh MR ổ bụng bệnh nhân ung thƣ gan đƣợc sử dụng luận án Tinh chỉnh biên gan dùng thuật toán toán GAC (Geodesic Active Contour) sở biên đƣợc định nghĩa thông qua mặt đồng mức với trọng số cho phép tinh chỉnh đƣợc vùng biên mờ đứt đoạn Tuy nhiên sử dụng thông tin 10 gradient để định nghĩa biên nên chƣa trích xuất đƣợc vùng gan bên phía bụng phải có miền mức xám trải rộng Luận án tích hợp thông tin đạo hàm bậc hai vào GAC để cải tiến việc trích xuất này, kết đƣợc cơng bố báo [CT7] Một hạn chế khác đến từ việc sử dụng thuật toán Fast Marching vào việc xác định vùng gan xấp xỉ Thuật toán Fast Marching đƣợc đề xuất Sethian để giải xấp xỉ phƣơng trình Eikonal [59] Q trình tính tốn đƣợc lan từ số điểm đƣợc chọn trƣớc lƣới sai phân tạo nên hình ảnh thuật tốn tăng trƣởng vùng (region growing) hình ảnh thuật tốn tập đồng mức (level set) Thông tin độ lớn gradient đƣợc tích hợp vào q trình lan để xác định biên gan xấp xỉ Nhƣ kết vùng gan xấp xỉ khơng bao gồm hết phần gan bên phía bụng phải có mức xám trải dài, dẫn đến kết trích xuất chƣa xác Đồng thời kết phụ thuộc vào việc chọn điểm ban đầu nên thuật toán chƣa tự động Kết nhạy với việc chọn điểm khởi tạo ban đầu Thuật toán tăng trƣởng vùng cho ta lựa chọn cho bƣớc trích xuất vùng gan xấp xỉ, nhiên thuật tốn cần điểm ban đầu vùng trích xuất phải có mức xám đồng [1] Đối với liệu MR thƣờng dùng độ lớn gradient thay cho giá trị mức xám Hiệu phƣơng pháp phụ thuộc mạnh mẽ vào việc chọn điểm khởi tạo ban đầu đồng nội tạng Một nghiên cứu sớm tác giả S Nowozin cộng dựa thuật toán tăng trƣởng vùng để thực phân đoạn gan [41] Tuy nhiên kết chủ yếu lại đƣợc cải thiện từ việc tinh chỉnh sử dụng thuật toán tập đồng mức Các tác giả thực nghiệm ảnh MR hai chiều Tác giả R Pohle cộng cải tiến thuật toán tăng trƣởng vùng cách định nghĩa miền đồng dựa thống kê mức xám vùng, sau áp dụng vào trích xuất gan từ ảnh CT MR ổ bụng [48] Tuy nhiên nghiên cứu dựa giả định đồng nội tạng trích xuất chƣa có số liệu đánh giá thực nghiệm tập liệu đáng tin cậy Để tự động giảm phụ thuộc kết trích xuất vào điểm khởi tạo ban đầu, vùng gan ban đầu đủ lớn đƣợc chọn tự động thông qua lấy ngƣỡng 11 Tuy nhiên biến thiên mức xám, đặc biệt biến thiên phức tạp ảnh MR việc xác định cặp ngƣỡng để lấy vùng gan thách thức Tác giả SS Kumar cộng đề xuất xác định cặp ngƣỡng xung quanh đỉnh cao histogram ảnh CT ổ bụng Vùng liên thông lớn từ ảnh nhị phân tạo cặp ngƣỡng vùng ban đầu gan, từ bắt đầu dùng thuật toán tăng trƣởng vùng để xác định vùng gan xấp xỉ [32] Phƣơng pháp cho kết tốt thực nghiệm ảnh CT Tuy nhiên ảnh MR, vùng xác định khơng hồn tồn nằm gan Với ý tƣởng, L Ruskó cộng dùng histogram để xác định vị trí gan ảnh CT Từ kết việc phân tích histogram cho ta ngƣỡng để xác định đƣợc vùng gan Bắt đầu từ vùng dùng thuật toán tăng trƣởng vùng cải tiến để xác định biên thơ gan Với vùng trích xuất thiếu phần gan phía bụng phải, nhóm tác giả tiếp tục sử dụng thuật tốn tăng trƣởng vùng Với vùng trích xuất thừa tiếp xúc với tim, nhóm tác giả sử dụng đặc trƣng cấu trúc giải phẫu để tinh chỉnh [54, 56, 57] Phƣơng pháp cho kết trích xuất có ý nghĩa ảnh CT nhƣng cần phải cải tiến áp dụng vào ảnh MR Để áp dụng đƣợc cho ảnh MR, tác giả L Ruskó cộng đề xuất mơ hình xác suất phân mảnh [55] Dựa vào cấu trúc giải phẫu, gan đƣợc chia thành phần phần có thống kê giá trị mức xám riêng biệt Thuật tốn tăng trƣởng vùng cải tiến đƣợc tích hợp với mơ hình xác suất phân mảnh để xác định vùng gan thơ Sau biên gan đƣợc tinh chỉnh dùng phép tốn hình thái học Kết thực nghiệm tác giả tƣơng đối tốt, nhiên tập liệu MR cịn (8 ảnh) Bên cạnh mơ hình phân mảnh khơng nhiều ý nghĩa gan ung thƣ, mà u tổn thƣơng gan làm cho cấu trúc giải phẫu gan khơng cịn phần rõ ràng Một tiếp cận khác để xác định vùng gan xấp xỉ sử dụng kỹ thuật gom cụm Nhóm tác giả YW Chan, AH Foruzan cộng sử dụng k-mean để xác định vùng gan xấp xỉ [8, 9, 17] Tác giả SS Kumar cộng xác định vùng gan xấp xỉ sử dụng FCM [32] Còn tác giả D Chi cộng dùng kỹ thuật gom cụm sở 12 SOM (self organized map) [10-12] Tuy nhiên nghiên cứu khơng có số liệu đánh giá cuối tập liệu tin cậy Hai vấn đề quan trọng kỹ thuật gom cụm đánh giá tƣơng tự mẫu ngƣỡng tƣơng tự Vấn đề trở nên khó ảnh MR ổ bụng có gan ung thƣ Bên cạnh kỹ thuật gom cụm, kỹ thuật máy học khác nhƣ mạng neural SVM (Support Vector Machine) đƣợc sử dụng Hai tác giả R Punia S Singh khảo sát 10 báo sử dụng kỹ thuật máy học để xác định vùng gan xấp xỉ Hầu hết thực nghiệm ảnh CT, yêu cầu tập liệu huấn luyện lớn đòi hỏi nhiều tham số Sau công đoạn xác định vùng gan xấp xỉ việc tinh chỉnh biên thƣờng dùng phép tốn hình thái thuật tốn tập đồng mức nhƣ GAC Các thuật toán dùng nhiều kỹ thuật phối hợp cho kết tốt [50] Các tác giả A Rafiee, H Masoumi cộng dùng mạng neural phối hợp với biến đổi watershed để trích xuất gan từ ảnh MR ổ bụng [52] [36] Mạng neural đƣợc dùng để trích xuất đặc trƣng khu vực gan, từ giám sát chất lƣợng phân đoạn biến đổi Watershed Việc trích xuất thực lát cắt sử dụng kết trích xuất lát cắt cho việc trích xuất lát cắt liền kề Nghiên cứu dựa giả định kết phân đoạn biến đổi watershed ln cho kết trích xuất gan bị thừa lát cắt liền kề có biên xấp xỉ Tác giả O Gloger cộng xây dựng đồ xác suất tích hợp tri thức trƣớc quan trọng gan, cật Các tác giả huấn luyện tập liệu ảnh MR ổ bụng để xác định vùng gan ban đầu Vùng gan xấp xỉ đƣợc xác định từ vùng gan ban đầu sử dụng thuật toán tăng trƣởng vùng thuật toán tập đồng mức [19-21] Các nghiên cứu O Gloger cộng thực ảnh MR gan bình thƣờng gan nhiễm mỡ Bản đồ xác suất gan bình thƣờng gan nhiễm mỡ không giống nhau, với gan bị ung thƣ đồ xác suất gan khác Các thuật toán tập đồng mức đƣợc sử dụng hiệu phân đoạn ảnh y khoa, giải đƣợc vấn đề không đồng giá trị mức xám đối tƣợng trích xuất [63] Phối hợp sử dụng hai thuật toán tập đồng mức Fast Marching GAC vào trích xuất gan đƣợc đề xuất bới nhóm tác giả K Suzuki cộng sự, 13 HT Huynh cộng nhƣ khảo sát điển hình cho việc sử dụng thuật tốn tập đồng mức Hạn chế lớn tiếp cận phụ thuộc vào chọn điểm khởi tạo điều chỉnh thơng số thuật tốn tập đồng mức Một hạn chế khác tiếp cận dựa lý thuyết hình học vi phân ảnh thuật tốn tập đồng mức, ln có khoảng cách định áp dụng vào không gian rời rạc ảnh số Tác giả DAB Oliveira cộng đề xuất tiếp cận khác việc sử dụng thuật tốn tập đồng mức vào trích xuất gan Một lát cắt ảnh CT ổ bụng đƣợc xác định biên gan thủ công trƣớc, biên biên khởi tạo cho lát cắt liền kề Từ sử dụng thuật tốn tập đồng mức để tinh chỉnh biên [43, 44] Do ảnh CT lát cắt liền kề có biên gan tƣơng đối xấp xỉ nên kết trích xuất tốt Tuy nhiên ảnh MR biên gan hai lát cắt liền kề xấp xỉ Các thuật toán tập đồng mức biễu diễn lan truyền mặt đồng mức (đƣờng đồng mức trƣờng hợp hai chiều) thơng qua phƣơng trình vi phân đạo hàm riêng Các mặt đồng mức đƣợc định nghĩa thơng qua hàm khoảng cách có dấu Tác giả E Goceri cộng sử dụng thông tin thống kê để cải tiến hàm sử dụng vào việc trích xuất gan [22-24] Tuy nhiên tác giả thực nghiệm ảnh SPIR Kỹ thuật biến phân kết hợp với lý thuyết tập đồng mức cho phép tích hợp thông tin thống kê hay đặc trƣng biên trình lan truyền mặt (hay đƣờng) đồng mức Một phiếm hàm lƣợng đƣợc đinh nghĩa, phiếm hàm đạt giá trị cực tiểu mặt đồng mức trùng với biên gan Phiếm hàm định nghĩa dựa vào khác biệt thống kê biên [7], dựa vào thông tin cục biên [39] Trong luận án tiến sỹ mình, tác giả E Goceri khảo sát nhiều thuật toán kết hợp hai tiếp cận để phân đoạn ảnh thấy khơng thành cơng ảnh có mức xám không đồng nhƣ ảnh MR [23] Với việc định nghĩa lại phiếm hàm lƣợng, kỹ thuật biến phân cho ta cơng cụ để tích hợp thông tin cần thiết để cải tiến việc phân đoạn ảnh Tác giả A 14 Bereciartua cộng sử dụng để tích hợp nhiều pha ảnh MR ổ bụng vào việc trích xuất gan [2] Kết trích xuất thuật tốn tốt so với thuật tốn khảo sát trƣớc 1.3 Tổng quan nghiên cứu trích xuất u gan Nhƣ trình bày mục 1.1, u gan ảnh MR ổ bụng ba chiều có mức xám biến thiên phức tạp trùng với nhiều vùng u (bao gồm gan ngồi gan) U gan khơng có cấu trúc hình học định biên khơng rõ ràng, thuật tốn xử lý ảnh dựa thơng tin hình học đƣợc sử dụng Trong cơng bố trích xuất u gan, máy học đƣợc dùng phổ biến Trên tập liệu MICCAI 2008, hai công bố cho kết tốt có sử dụng máy học Zhou cộng phân lớp điểm ảnh lát cắt dựa vào SVM [68], Shimizu cộng phân lớp điểm ảnh phân lớp AdaBoost [60] AdaBoost đƣợc Daniel Pescia đáng giá phù hợp cơng cụ máy học cho việc trích xuất u gan ác tính sử dụng luận án tiến sỹ [47] Cũng thấy cƣờng độ mức xám khơng đủ để trích xuất khối u, cơng bố MICCAI 2008 có sử dụng máy học sử dụng thêm đặc trƣng kết cấu bề mặt (texture) Ba cơng bố có độ xác tốt MICCAI 2008 sử dụng ngƣỡng để tự động xác định vùng u ban đầu Nugroho cộng sử dụng ngƣỡng giá trị cực đại histogram gan [42] Choudhary cộng dùng entropy để xác định ngƣỡng, sau biên xấp xỉ đƣợc tinh chỉnh dùng tập đồng mức [14] Moltz cộng dùng ngƣỡng thích nghi để xác định vùng u ban đầu [40] Cũng thấy rằng, hầu hết cơng trình cơng bố phân đoạn gan xong trích xuất u gan Trong cơng bố có kết tốt trình bày cơng bố trích xuất u khn khổ phân đoạn gan, cơng bố cịn lại Moltz cộng trích xuất u vùng giới hạn ngƣời dùng xác định 15 Các cơng trình MICCAI 2008 sử dụng liệu ảnh CT, có lƣu ý đến phức tạp u nhƣng cịn giả định vùng gan ngồi u đồng Tuy nhiên ý tƣởng dùng kỹ thuật máy học với đặc trƣng kết cấu bề mặt để giải vấn đề biên khối u không rõ ràng, phân đoạn gan để giới hạn không gian giảm phức tạp nhập nhằng phân bổ mức xám có ý nghĩa cho việc phát triển phƣơng pháp trích xuất khối u từ ảnh MR Các công bố gần trích xuất khối u gan ác tính chủ yếu tập trung vào liệu ảnh CT cải tiến phƣơng pháp MICCAI 2008 Hiện chƣa tìm thấy cơng bố có ý nghĩa sử dụng liệu ảnh MR 16 ... tốn trích xuất gan tổn thương gan từ ảnh MR ổ bụng ba chiều Trong luận án sử dụng thuật ngữ u gan bao gồm tổn thƣơng gan 1.3 Đánh giá hiệu thuật tốn trích xuất gan u gan 1.3.1 Tiêu chuẩn vàng... CHƢƠNG - TỔNG QUAN Chƣơng trình bày (i) Tổng quan ảnh MR ổ bụng ba chiều để từ nhận diện thách thức tốn trích xuất gan u gan từ ảnh MR (ii) Khảo sát cơng trình trích xuất gan, u gan từ ảnh MR CT... KHOA HỌC TỰ NHIÊN LÊ TRỌNG NGỌC TIẾP CẬN TÍNH TỐN THƠNG MINH CHO VIỆC TRÍCH XUẤT GAN VÀ TỔN THƢƠNG GAN TRONG ẢNH MR Ổ BỤNG BA CHIỀU Chuyên ngành: khoa học máy tính Mã số chuyên ngành: 62480101