Nghiên cứu ứng dụng hệ thống suy luận mờ trong phát hiện đường biên ảnh x quang cơ xương khớp

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI TRƯỜNG ĐIỆN - ĐIỆN TỬ LUẬN VĂN THẠC SĨ NGHIÊN CỨU ỨNG DỤNG HỆ THỐNG SUY LUẬN MỜ TRONG PHÁT HIỆN ĐƯỜNG BIÊN ẢNH X-QUANG CƠ XƯƠNG KHỚP Đinh Thị Thu Ngọc ngoc.dtt202055M@sis.hust.edu.vn Ngành Kỹ thuật y sinh Giảng viên hướng dẫn: Trường: TS Hán Trọng Thanh Điện – Điện tử HÀ NỘI, 9/2022 Chữ ký GVHD TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ NGHIÊN CỨU ỨNG DỤNG HỆ THỐNG SUY LUẬN MỜ TRONG PHÁT HIỆN ĐƯỜNG BIÊN ẢNH X-QUANG CƠ XƯƠNG KHỚP Đinh Thị Thu Ngọc ngoc.dtt202055M@sis.hust.edu.vn Ngành Kỹ thuật y sinh Giảng viên hướng dẫn: TS Hán Trọng Thanh Trường: Điện – Điện tử HÀ NỘI, 10/2022 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: Đinh Thị Thu Ngọc Đề tài luận văn: Nghiên cứu ứng dụng hệ thống suy luận mờ phát đường biên ảnh X-quang Cơ Xương Khớp Chuyên ngành: Kỹ thuật Y sinh Mã số SV: CB202055M 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 12/10/2022 với nội dung sau: ● Cải thiện chất lượng ảnh luận văn ● Thêm thích ảnh Ngày tháng 11 năm 2022 Giáo viên hướng dẫn Tác giả luận văn CHỦ TỊCH HỘI ĐỒNG ĐỀ TÀI LUẬN VĂN NGHIÊN CỨU ỨNG DỤNG HỆ THỐNG SUY LUẬN MỜ TRONG PHÁT HIỆN ĐƯỜNG BIÊN ẢNH X-QUANG CƠ XƯƠNG KHỚP Giáo viên hướng dẫn Ký ghi rõ họ tên LỜI CẢM ƠN Trong suốt trình nghiên cứu thực luận văn với đề tài “Nghiên cứu ứng dụng hệ thống suy luận mờ phát đường biên ảnh X-quang Cơ Xương Khớp”, nhận dẫn, giúp đỡ tận tâm TS.Hán Trọng Thanh - giảng viên Trường Điện – Điện tử, Đại học Bách Khoa Hà Nội Nhờ hướng dẫn cách khoa học nhiệt tình thầy, tơi vượt qua khó khăn q trình thực đề tài Tôi xin chân thành gửi lời cảm ơn đến Thầy giúp đỡ, giảng dạy suốt thời gian qua Xin gửi lời cảm ơn đến thầy cô Bộ môn Công nghệ điện tử & Kỹ thuật y sinh – Trường Đại học Bách Khoa Hà Nội, cảm ơn tập thể lớp cao học tạo điều kiện cho tơi thực hồn thành đề tài Xin trân trọng cảm ơn! TÓM TẮT NỘI DUNG LUẬN VĂN Chụp X-quang xương khớp có giá trị để phát bất thường xương dùng để đánh giá vùng xương bị đau, biến dạng nghi ngờ bất thường Chụp ảnh X-quang trước sử dụng để ghi nhãn thủ cơng thơng số hình học hệ xương, chưa xác định xác hình dạng kích thước thành phần xương Thêm vào đó, việc ghi nhãn thủ cơng tốn thời gian Do đó, thích tự động nhằm mục đích trích xuất thơng số hình học dựa việc phân tích thuộc tính hình ảnh cách hiệu nhanh chóng cần thiết Phân đoạn hình ảnh Xquang xương thường mục tiêu việc trích xuất thơng số hình học hệ thống xương Phát đường biên ảnh điều kiện tiên để phân đoạn hình ảnh thường cho phép hình ảnh thể hai màu (đen trắng) Mục đích việc phát đường biên xác định hình dạng kích thước vật thể ảnh, chẳng hạn gân Nhiều phương pháp tiếp cận cải tiến có giá trị cho số ứng dụng, chẳng hạn thị giác máy tính (Computer Vision), Mạng thần kinh hội tụ (CNN), kỹ thuật logic mờ (FIS) Trong nhiều cách tiếp cận trên, chi tiết biên hình ảnh kết có tính liên kết với cao Một cách hiệu quả, điều có nghĩa nhìn thấy biên ranh giới gân, xương chi tiết khác hình ảnh Tuy nhiên, mục đích để đo đường biên cơ, việc đường biên mong muốn điều quan trọng phải loại trừ chi tiết khác giảm thiểu nhiễu artifact Điều cho phép tối ưu hóa việc phát biên cấu trúc quan tâm loại bỏ cấu trúc không bắt buộc Về vấn đề này, tính đặc hiệu chất lượng biên tạo có tác động lớn đến độ xác phân tích tự động thành phần xương Đề tài “Nghiên cứu ứng dụng hệ thống suy luận mờ phát đường biên ảnh X-quang Cơ Xương Khớp” trình bày thuật tốn ứng dụng hệ suy luận mờ để phát đường biên ranh giới cấu trúc cơ, xương Đề tài thực để lựa chọn tham số hàm thành viên tự động dựa phân tích đường cong độ lệch chuẩn tối ưu hóa cho ảnh X-quang Cơ Xương Khớp; xây dựng hệ luật mờ tối ưu cho hàm thành viên; từ làm bật đường biên cấu trúc quan tâm Sau q trình nghiên cứu, tơi hồn thành mục tiêu đề ra: đề xuất thuật toán ứng dụng hệ suy luận mờ phát đường biên ảnh Xquang Cơ Xương Khớp Dữ liệu đầu vào ảnh X-quang Cơ Xương Khớp có tính chất phân lớp dựa đồ thị histogram Thuật toán tối ưu hóa lựa chọn tham số (Cp0, Cp1, Cp2, Cp3) cho ba hàm thành viên tương ứng dựa số đánh giá chất lượng ảnh RBEM đề xuất Đề tài đánh giá hiệu thuật tốn trích xuất đặc trưng đường biên ảnh X-quang sử dụng thuật toán suy luận mờ cho ảnh phân lớp lọc truyền thống khác Sobel, Prewitt, Roberts, Canny LoG dựa thước đo biên dựa tham chiếu RBEM khả lọc nhiễu thuật toán HỌC VIÊN Ký ghi rõ họ tên MỤC LỤC DANH MỤC HÌNH ẢNH DANH MỤC BẢNG BIỂU iii vi DANH MỤC KÝ HIỆU VÀ CHỮ VIẾT TẮT vii CHƯƠNG CƠ SỞ LÝ THUYẾT VỀ KỸ THUẬT PHÁT HIỆN ĐƯỜNG BIÊN ẢNH X-QUANG 1.1 1.2 1.3 1.4 1.1.1 1.1.2 1.1.3 3 1.2.1 1.2.2 10 15 1.3.1 15 1.3.2 16 1.3.3 17 1.3.4 18 23 CHƯƠNG CƠ SỞ LÝ THUYẾT HỆ THỐNG SUY LUẬN MỜ FIS 2.1 28 2.2 29 2.3 2.2.1 31 2.2.2 34 2.2.3 38 28 41 2.3.1 41 2.3.2 42 2.3.3 44 CHƯƠNG HỆ THỐNG PHÁT HIỆN ĐƯỜNG BIÊN ẢNH X-QUANG CƠ XƯƠNG KHỚP DỰA TRÊN HỆ SUY LUẬN MỜ 45 3.1 45 3.1.1 45 3.2 3.1.2 51 46 3.2.1 52 3.2.2 54 CHƯƠNG KẾT QUẢ VÀ THẢO LUẬN 4.1 4.2 56 56 4.1.1 56 4.1.2 57 58 4.2.1 58 4.2.2 59 4.2.3 61 4.2.4 61 4.2.5 63 4.3 65 4.4 68 4.5 69 TÀI LIỆU THAM KHẢO 70 DANH MỤC HÌNH ẢNH a b Hình 1: Ảnh Lena trước sau tách biên Hình 2: Các loại đường biên: (a) Step Edge (b) Ramp Edge Hình 3: Độ lớn điểm ảnh vùng 3x3 Hình 4: Mặt nạ tích chập cho tốn tử Robert Hình 5: Mặt nạ tích chập cho tốn tử Sobel Hình 6: Mặt nạ tích chập cho tốn tử Prewitt Hình 7: Mặt nạ tích chập cho tốn tử Canny Hình 8: So sánh phát cạnh cho hình ảnh ví dụ Hình 9:Hàm Laplacian of Gaussian (LoG) 2-D Hình 10: Mặt nạ xấp xỉ rời rạc lọc Laplacian Hình 11: Sơ đồ cấu trúc để xử lý ảnh dựa logic mờ Hình 12: Các tập mờ sử dụng để suy luận đồng Hình 13: Vùng lân cận pixel trung tâm Hình 14: Ảnh phát biên sử dụng logic mờ 8 10 10 11 12 12 13 Hình 15: Tiếp cận mạng Nơ-ron trình phân đoạn ảnh Hình 16: Lân cận điểm ảnh pixel (a) Lân cận bậc Hình 17: Flowchart kỹ thuật phát đường biên ảnh y tế 14 15 17 Hình 18: Phát đường biên ảnh y tế: (a) Ảnh y tế màu gốc (b) Ảnh thang xám 17 Hình 19: Các kỹ thuật phát đường biên khác ảnh MRI não 18 Hình 20: So sánh kết phát đường biên với phương pháp (a) Bubble (b) Snake cho ảnh MRT tim 19 Hình 21: Kết phát biên Phân biệt kết cấu hình ảnh từ phương thức CR CT 20 Hình 22: Kết phát biên hình ảnh ảo có thêm nhiễu (K = 30), (a) kết phương pháp dựa Laplacian, (b) kết phương pháp ManHildreth, (c) kết phương pháp dựa waveletbased, (d) kết phương pháp Phương pháp Canny, (e) kết CHEF (f) kết CHNN 21 Hình 23: Phát biên hình ảnh não MRI thuật tốn di truyền (a) Hình ảnh MRI não có trọng số T1 (b) hình ảnh biên nó, sau 300 hệ (c) Hình ảnh não MRI có trọng số T1 theo trục (d) hình ảnh biên sau 300 hệ 21 Hình 24: (a) Hình ảnh siêu âm tim (b) Hình ảnh cạnh hình ảnh tim thu tốn tử mờ 22 Hình 25: (a) Hình ảnh màu gốc, (b) Hình ảnh thang độ xám, (c) Hình ảnh đồ biên sử dụng phương pháp dựa Ngưỡng thích ứng 23 Hình 26: Ảnh X quang xương khớp 23 Hình 27: (a) Hình ảnh đầu vào X-Ray ban đầu hình ảnh có cạnh kết tương ứng phát cách sử dụng (b) Roberts, (c) Sobel, (d) Prewitt, (e) Canny, (f) Toán tử sai biệt bậc hai Laplace 25 Hình 28: Mơ hình Deep CADxdựa CNN để phát bất thường xương từ X quang Hình 29: So sánh kỹ thuật phát đường biên: Canny FEDM Hình 30: Quy trình suy luận mờ Mamdani FIS Hình 31: Sơ đồ hệ thống Hệ FIS Sugeno Hình 32: Quá trình suy luận mờ hệ thống Sugeno FIS 26 27 42 43 43 Hình 1: Sơ đồ khối hệ thống suy luận mờ Hình 2: Sơ đồ xử lý hệ suy luận mờ FIS 30 31 Hình 3: Hệ thống mờ thực nội suy tuyến tính số mảnh / mảnh 40 Hình 1: Mơ hình hệ thống FEDM Hình 2: Ảnh X-quang Cơ Xương Khớp (a) ảnh gốc (b) Histogram 46 46 Hình 3: Sơ đồ ba hàm thành viên μ1i, j, μ2i, j, μ3(i, j) màu khác nhau, màu xanh lam cho hàm thành viên trường hợp cấp 1, màu đỏ cho cấp màu xanh để biểu diễn hàm liên thuộc cấp Trong đó, (Cp 0, Cp1, Cp2, Cp3) tham số hàm thành viên 47 Hình 4: Biểu đồ minh họa đường cong SD tính tốn từ tập hợp giá trị SD Trong đường cong này, giá trị SDk tính mk = 0,5 48 Hình 49 Hình 6: Hệ thống suy luận mờ FEDM ngưỡng (Cp0, Cp1) 50 5: (a) Ma trận điểm ảnh 3x3 (b) Ma trận vi phân ∆I Hình 7: Sơ đồ khối hệ thống đánh giá RBEM 54 Hình 1: ẢnhX-quang Cơ Xương Khớp từ BV Hữu Nghị Dataset Hình 2: Ảnh X-quang Khớp Gối (Sagittal) histogram Hình 3: Ảnh X-quang Khớp Gối (Axial) histogram Hình 4: Ảnh X-quang Thân (sagittal)) histogram 57 58 58 59