Tổng hợp hình ảnh y học là quá trình trích xuất các đặc điểm nổi bật từ các hình ảnh y học và kết hợp chúng bằng một thuật toán thích hợp. Bài viết Tổng hợp hình ảnh y học MRI và PET trình bày các nội dung sau: Biến đổi Haar; Giải thuật tối ưu hóa bầy đàn.
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 GIỚI THIỆU Tổng hợp hình ảnh y học q trình trích xuất đặc điểm bật từ hình ảnh y học kết hợp chúng thuật tốn thích hợp Ảnh cộng hưởng từ MRI (Magnetic Resonance Imaging) cung cấp thông tin chi tiết giải phẫu thành phần mô Ngược lại, chụp cắt lớp phát xạ PET (Positron Emission Tomography) có độ phân giải thấp so với ảnh cộng hưởng từ MRI miêu tả mơ phân tử hoạt động bệnh lý mà ảnh MRI khơng có Việc tổng hợp hai hình ảnh đóng vai trò quan trọng trọng ứng dụng y học chuẩn đoán bệnh Trên thực tế, số phương pháp tiếp cận giải toán sử dụng không gian màu IHS kết hợp với biến đổi DWT PCA [1] gặp phải vấn đề hình ảnh tổng hợp thu bị nhiễu thông tin Để giải vấn đề, báo đề xuất phương pháp để cải thiện vấn đề gặp phải Phương pháp gồm hai giai đoạn: giai đoạn thứ tổng hợp hình ảnh giai đoạn thứ hai tăng cường chất lượng cho hình ảnh tổng hợp Trong giai đoạn thứ nhất, việc tổng hợp hình ảnh tương tự cách Sawant SD [1] đồng nghiệp đề xuất Ảnh màu chụp cắt lớp phát xạ PET chuẩn hóa miền [0, 1] chuyển đổi sang miền IHS, kênh H S giữ nguyên Tiếp theo, kênh I hình ảnh cộng hưởng từ MRI biến đổi Haar để thu thành phần miền tần số sau tổng hợp lại với theo quy tắc cụ thể biến đổi Haar ngươc để thu hình ảnh tổng hợp Trong giai đoạn thứ hai, từ hình ảnh tổng hợp thu tiến hành tạo hình ảnh tạm thời mà tăng cường các kĩ thuật xử lý ảnh tăng cường Histogram (giúp tăng độ tương phản), dò biên Canny (giúp tìm đường biên ảnh), lọc nhiễu trung vị (giúp giảm nhiễu cho ảnh) Sau đó, giải thuật tối ưu PSO (Particle swarm optimization) sử dụng để tìm hệ số tối ưu cho hình ảnh với hàm mục tiêu hàm số tương phản Michelson Hình ảnh tăng cường thu dựa tổng hình ảnh tạm thời nhân với hệ số tối ưu tìm tương ứng Cuối hình ảnh tăng cường kết hợp với kênh H S để chuyển miền RGB Thực nghiêm cho thấy, phương pháp đề xuất giúp cải thiện độ tương phản, loại bỏ nhiễu làm sắc nét đường biên cho hình ảnh tổng hợp KIẾN THỨC NỀN TẢNG 2.1 Biến đổi Haar Là phương pháp để biến đổi ảnh thành thành phần miền số thấp cao Ở cấp độ biến đổi thứ nhất, phép biến đổi Haar biến đổi ảnh thành thành phần LL, LH, HL HH Các thành phần thường sử dụng trình tổng hợp ảnh 2.2 Giải thuật tối ưu hóa bầy đàn Phương pháp PSO đề xuất J Kennedy [2] đồng nghiệp Phương pháp khởi tạo nhóm cá thể ngẫu nhiên sau tìm nghiệm tối ưu cách cập nhật hệ Trong hệ, cá thể cập nhật theo hai vị trí tốt Trong đó, giá trị thứ vị trí tốt mà đạt 145 Tuyển tập Hội nghị Khoa học thường niên năm 2019 ISBN: 978-604-82-2981-8 thời điểm tại, gọi Một nghiệm tối ưu khác mà cá thể bám theo , vị trí tốt nghiệm tối ưu tồn cục trình tìm kiếm quần thể từ trước tới thời điểm Cụ thể, vận tốc vị trí cá thể cập nhật theo công thức sau: = + ( )+ _ ( ) (1) = + (2) Trong đó: : Vị trí cá thể thứ i hệ k ; : Vận tốc cá thể thứ i hệ k; : Vị trí cá thể thứ i hệ k+1; : Vận tốc cá thể thứ i hệ k+1; _ : Vị trí tốt cá thể thứ i hệ k ; : Vị trí tốt quần thể hệ k; = 0.729 hệ số quán tính; , : Các hệ số gia tốc, nhận giá trị từ 1.5 đến 2.5; , : Các số ngẫu nhiên nhận giá trị khoảng [0, 1] 2.3 Các số đánh giá 2.3.1 Độ sáng ảnh Cơng thức tính giá trị trung bình (chỉ số độ sáng) ảnh là: ∑ ∑ = , Trong đó: giá trị trung bình; , tổng số hàng, cột ma trận I; , phần tử hàng u, cột v ma trận 2.3.2 Độ tương phản ảnh Công thức tính độ tương phản (phương sai) ảnh: ∑ , ∑ , = , , M ×N Trong đó: độ tương phản ảnh’ , số hàng, cột ma trận’ , phần tử hàng u, cột v ma trận 2.3.3 Nội dung thông tin Nội dung thông tin diễn tả lượng thơng điệp mà ảnh chứa Thơng số cịn gọi entropy tính cơng thức: ∑ * i Trong đó, tần suất xuất điểm ảnh thứ i 2.3.4 Độ sắc nét ảnh Độ sắc nét ảnh tính công thức: ∑ = ∆ ∆ G= Trong đó: ∆u = I (u, v) – I (u + 1, v) ∆v = I (u, v) – I (u, v + 1) I (u, v) giá trị điểm ảnh hàng u, cột v ảnh; I (u + 1, v) giá trị điểm ảnh hàng u + 1, cột v ảnh; I (u, v + 1) giá trị điểm ảnh hàng u, cột v + ảnh; , số hàng, cột ma trận I GIẢI THUẬT ĐỀ XUẤT Đầu vào: - Ảnh cộng hưởng từ - Ảnh màu chụp cắt lớp phát xạ Đầu ra: - Hình ảnh tổng hợp Bước 1: Các hình ảnh chuẩn hóa miền [0, 1] Bước 2: Ảnh màu biến đổi sang miền IHS để tách thành kênh I, H, S Bước 3: Các hình ảnh I hình ảnh cộng hưởng từ biến đổi Haar sang miền tần số sau: hình ảnh I biến đổi thành thành phần (LL, LH, HL, HH) hình ảnh ( , , , ) tương ứng Bước 4: Tạo thành phần , , , sau: thành = (LL + )/2 Các thành phần max , , phần lại max , thành phần max , Bước 5: Biến đổi ngược Haar thành phần ( , , , ) thu 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 được, tạo hình ảnh tạm thời , phương pháp cân Histogram, dò biên Canny, lọc trung vị tương ứng Bước 7: Tạo hình ảnh kết hợp với , , 0, xác định cách sử dụng phương pháp tối ưu hóa bầy đàn PSO với hàm mục tiêu Trong đó, lần hình lượt Entropy hình ảnh ảnh kết hợp , , phương sai, trung bình ảnh Bước 8: Chuyển kênh , H S miền RGB để thu hình ảnh tổng hợp tăng cường KẾT QUẢ THỰC NGHIỆM Dữ liệu thực nghiệm gồm ảnh A: 10 ảnh bao gồm ảnh màu chụp cắt lớp phát xạ (PET) ảnh cộng hưởng từ (MRI) đuợc lấy từ thư viện ảnh đại học Harvard: The whole brain Atlas1 Các ảnh có kích thước 256x256 Các hình ảnh hình ảnh PET MRI tương ứng với 1,5 Gọi ảnh kết hợp hình ảnh PET ( ) hình ảnh MRI ( ) qua sử dụng phương pháp biến đổi hình ảnh sau sử dụng DWT, ảnh (Xem phương pháp đề xuất ảnh Hình 1) Khởi tạo tham số PSO sau: Số lượng cá thể: n = 100 Hệ số: = = Hệ số quán tính = 0.729 Kết đo độ sáng , độ tương phản ( ), lượng thông tin entropy (E), độ sắc nét (G) ảnh mô tả Bảng Bảng Bảng kết thực nghiệm STT Ảnh Chỉ số đánh giá E G 0.2327 0.0697 5.1734 0.0465 0.3169 0.0919 5.4360 0.0702 0.2294 0.0691 5.0247 0.0457 0.3152 0.0906 5.2683 0.0693 0.2172 0.0689 4.7522 0.0399 0.3020 0.0887 4.9658 0.0598 0.1890 0.0651 4.2950 0.0379 0.2241 0.0830 4.4712 0.0686 0.1160 0.0412 3.4615 0.0308 0.1497 0.0604 3.5910 0.0640 Kết thực nghiệm (Bảng 1) cho thấy số đánh giá cho kết tốt Vì vậy, phương pháp đề xuất giúp nâng cao chất lượng ảnh khía cạnh như: nâng cao độ tương phản, giảm nhiễu làm sắc nét đường biên ảnh TÀI LIỆU THAM KHẢO Hình Các ảnh trước sau tăng cường [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 swarm optimization, IEEE International Conference on Neural Networks 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 ... (MRI) đuợc l? ?y từ thư viện ảnh đại học Harvard: The whole brain Atlas1 Các ảnh có kích thước 256x256 Các hình ảnh hình ảnh PET MRI tương ứng với 1,5 Gọi ảnh kết hợp hình ảnh PET ( ) hình ảnh MRI. .. thành phần ( , , , ) thu 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 được, tạo hình ảnh tạm thời , phương pháp... Canny, lọc trung vị tương ứng Bước 7: Tạo hình ảnh kết hợp với , , 0, xác định cách sử dụng phương pháp tối ưu hóa b? ?y đàn PSO với hàm mục tiêu Trong đó, lần hình lượt Entropy hình ảnh ảnh kết hợp