(Luận văn) nghiên cứu một số kỹ thuật xử lý ảnh dựng mô hình 3d của gan từ ảnh dữ liệu ảnh ct

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC QUY NHƠN ĐOÀN THỊ XƢƠNG lu an n va tn to NGHIÊN CỨU MỘT SỐ KỸ THUẬT ie gh XỬ LÝ ẢNH DỰNG MƠ HÌNH 3D CỦA GAN p TỪ ẢNH DỮ LIỆU ẢNH CT d oa nl w lu Mã số: 8480101 ll u nf va an Chuyên ngành: Khoa học máy tính oi m z at nh z Ngƣời hƣớng dẫn: TS Lê Thị Kim Nga m co l gm @ an Lu n va ac th si LỜI CAM ĐOAN Tôi xin cam đoan luận văn thực dƣới hƣớng dẫn trực tiếp giảng viên TS Lê Thị Kim Nga Các số liệu, kết thực nghiệm đƣợc trình bày luận văn trung thực Những tƣ liệu đƣợc sử dụng luận văn có nguồn gốc trích dẫn rõ ràng, đầy đủ lu Học viên an n va p ie gh tn to d oa nl w Đoàn Thị Xƣơng ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si LỜI CẢM ƠN Trong trình thực nghiên cứu luận văn em nhận đƣợc nhiều quan tâm, giúp đỡ, hƣớng dẫn dìu dắt quý thầy cô, bạn bè ngƣời thân Trƣớc tiên em xin gửi đến Tiến sĩ Lê Thị Kim Nga lời cảm ơn chân thành nhất, cô ngƣời hƣớng dẫn cho em suốt trình thực luận văn này, với tinh thân nhiệt tình chu em làm tốt đƣợc lu cơng việc nghiên cứu an n va Em xin gửi lời cảm ơn quý thầy cô Trƣờng Đại học Quy Nhơn, tn to Khoa Công nghệ thông tin thầy mơn Khoa học máy tính tận gh tậm dạy bảo em suốt trình học tập giúp đỡ em trau dồi kiến thức p ie phục vụ cho trình nghiên cứu w Em xin chân thành cảm ơn ngƣời thân gia đình, oa nl anh chị em, bạn bè, đồng nghiệp giúp đỡ, động viên em q trình d thực hồn thành luận văn an lu u nf va Bình Định, ngày 11 tháng năm 2020 ll Học viên oi m z at nh z m co l gm @ Đoàn Thị Xƣơng an Lu n va ac th si MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN DANH MỤC TỪ VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH MỞ ĐẦU 1 Lý chọn đề tài lu an Mục đích nghiên cứu n va Đối tƣợng phạm vi nghiên cứu Cấu trúc luận văn gh tn to Phƣơng pháp nghiên cứu p ie CHƢƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH TRONG DỰNG MƠ HÌNH w 3D GAN oa nl 1.1 DỮ LIỆU ẢNH SỐ Y KHOA d 1.1.1 Giới thiệu an lu 1.1.2 Khái niệm ảnh y khoa liệu ảnh CT Gan u nf va 1.1.3 Một số chuẩn hình ảnh y khoa ll 1.2 MỘT SỐ PHƢƠNG PHÁP XỬ LÝ ẢNH TRONG DỰNG MƠ HÌNH m oi 3D GAN 10 z at nh 1.2.1 Phát Gan liệu ảnh CT, MRI 12 1.2.2 Định vị vùng Gan dựa kỹ thuật hồi quy 14 z 1.2.3 Một số vấn đề xử lý ảnh quy trình dựng mơ hình 3D Gan 17 @ l gm 1.3 BÀI TỐN DỰNG MƠ HÌNH 3D 18 1.3.1 Giới thiệu 18 m co 1.3.2 Cấu tạo mơ hình 3D 19 an Lu 1.4 KẾT LUẬN CHƢƠNG 22 n va ac th si CHƢƠNG 2: MỘT SỐ KỸ THUẬT TRONG DỰNG MƠ HÌNH 3D GAN TỪ ẢNH CT 24 2.1 TĂNG CƢỜNG CHẤT LƢỢNG ẢNH CT GAN 24 2.1.1 Kỹ thuật tăng cƣờng chất lƣợng ảnh CT Gan 24 2.1.2 Kỹ thuật dựa Gradient 29 2.1.3 Kỹ thuật dựa biến đổi Wavelet 31 2.1.4 Kỹ thuật dựa hiệu chỉnh Gamma 35 2.2 PHÂN ĐOẠN GAN 37 2.2.1 Kỹ thuật phân đoạn Ganđơn giản 37 lu an 2.2.2 Phân đoạn Gan dựa mạng U - Net 42 n va 2.2.3 Phân đoạn Gan dựa vào mơ hình chất liệu 45 2.3.1 Thuật toán Marching Cubes 49 gh tn to 2.3 KỸ THUẬT DỰNG MƠ HÌNH 3D GAN 49 p ie 2.3.2 Dựng lát cắt từ ảnh chụp cắt lớp 53 w 2.4 KẾT LUẬN CHƢƠNG 54 oa nl CHƢƠNG 3: CÀI ĐẶT VÀ THỬ NGHIỆM 55 d 3.1 PHÁT BIỂU BÀI TOÁN 55 lu va an 3.2 PHÂN TÍCH BÀI TỐN 55 u nf 3.2.1 Dữ liệu mô tả xử lý 55 ll 3.2.2 Chi tiết thực 56 m oi 3.3 MỘT SỐ KẾT QUẢ THỰC NGHIỆM 57 z at nh 3.4 ĐÁNH GIÁ 66 3.5 HƢỚNG PHÁT TRIỂN 67 z gm @ 3.6 KẾT LUẬN CHƢƠNG 67 KẾT LUẬN VÀ KIẾN NGHỊ 68 l m co DANH MỤC CƠNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ CỦA TÁC GIẢ71 DANH MỤC TÀI LIỆU THAM KHẢO 72 an Lu QUYẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN THẠC SĨ (bản sao) n va ac th si DANH MỤC TỪ VIẾT TẮT lu an n va Công nghệ thông tin CT Computed Tomography MRI Magnetic Resonance Imaging 2D Two-Dimensional 3D Three-Dimensional PACS Picture Archiving and Communication System DICOM The Digital Image and Communication in Medicine RF Random Forests DIMSE Dicom Message Service Elements tn to CNTT Support Vector Machine p ie gh SVM d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si DANH MỤC BẢNG BIỂU Bảng 3.1 Số lƣợng lát cắt, thời gian phân đoạn Gan, tái tạo mơ hình 3D Gan 66 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si DANH MỤC HÌNH Hình 1.1 Các bƣớc xử lý ảnh y khoa [2] Hình 1.2 Một số nghiên cứu xử lý ảnh y tế giới 11 Hình 1.3 Phát vùng Gan bán tự động 12 Hình 1.4 Mơ hình hóa hoạt động Gan 13 Hình 1.5 Phát u Gan ảnh CT 14 Hình 1.6 Định vị Gan dựa vào kỹ thuật hồi quy tích hợp đồ vote map 15 lu Hình 1.7 Định vị Gan dựa vào kỹ thuật hồi quy 16 an Hình 1.8 Xác định kích thƣớc Gan từ ảnh MRI 3D dựa thuật toán phân va n tích contour động 17 gh tn to Hình 1.9 Mơ hình 3D tim ngƣời 19 ie Hình 1.10 Mơ hình 3D hình cầu cắt vắt 19 p Hình 1.11 Một mặt hình hộp đƣợc tạo mặt tam giác 21 nl w Hình 1.12 Mơ hình 3D thu đƣợc từ tập đỉnh: VertexList, tập mặt: FaceList, d oa tập UV: Uvs 22 an lu Hình 2.1 Sơ đồ biểu diễn tầng biến đổi Wavelet 32 u nf va Hình 2.2 Sơ đồ biểu diễn tầng biến đổi Wavelet cho ảnh 32 Hình 2.3 Sơ đồ triển khai Wavelet hai mức 33 ll oi m Hình 2.4 Nâng cao chất lƣợng hình ảnh CT dựa vào biến đổi Wavelet 34 z at nh Hình 2.5 Quy trình hiệu chỉnh Gamma 36 Hình 2.6 Minh họa thuật toán đối xứng 40 z Hình 2.7 Minh họa thuật tốn tam giác 41 gm @ Hình 2.8 Bimodal Histogram 42 l Hình 2.9 Kiến trúc mơ hình U –Net 43 m co Hình 2.10 Minh họa thuật toán Marching Cubes 49 an Lu Hình 2.11 Một khối với giá trị đƣợc xác định đỉnh 50 n va ac th si Hình 2.12 Các trƣờng hợp áp dụng cho Marching Cubes 51 Hình 2.13 Đa giác đƣợc xây dựng khối 52 Hình 2.14 Đánh số thứ tự cho 12 cạnh khối 53 Hình 2.15 Kết thử nghiệm 53 Hình 3.1 Giao diện chƣơng trình 58 Hình 3.2 Ảnh DICOM CT 30 lát cắt ổ bụng 59 Hình 3.3 Ảnh phân đoạn Gan (màu xanh) tƣơng ứng 30 lát cắt DICOM ổ bụng đầu vào 59 lu Hình 3.4 Mơ hình 3D Gan từ 30 lát cắt Gan 60 an Hình 3.5 Ảnh DICOM 90 lát cắt ổ bụng 61 va n Hình 3.6 Ảnh phân đoạn Gan (màu xanh) tƣơng ứng 90 ảnh DICOM ổ to 63 gh tn bụng đầu vào ie Hình 3.7 Mơ hình 3D Gan từ 90 ảnh phân đoạn Gan 64 p Hình 3.8 Mơ hình 3D Gan từ 129 ảnh phân đoạn Gan 64 nl w Hình 3.9 Mơ hình 3D Gan từ 172 ảnh phân đoạn Gan 65 d oa Hình 3.10 Mơ hình 3D Gan từ 225 ảnh phân đoạn Gan 65 ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si MỞ ĐẦU LÝ DO CHỌN ĐỀ TÀI Trong năm qua, với phát triển mạnh mẽ, Công nghệ thông tin (CNTT) thâm nhập vào mặt đời sống xã hội đem lại nhiều lợi ích to lớn Trong lĩnh vực y tế, thấy rằng, CNTT tạo thay đổi mẻ, thúc đẩy phát triển, đại hóa Y học nƣớc nhà Y học đại chẩn đoán bệnh dựa vào triệu chứng lâm sàng (chẩn lu đoán lâm sàng) triệu chứng cận lâm sàng (chẩn đoán cận lâm sàng) an n va Trong chẩn đốn cận lâm sàng chẩn đốn dựa hình ảnh thu đƣợc từ tn to thiết bị, máy y tế (chẩn đốn hình ảnh) ngày chiếm vai trò quan gh trọng, ngày với trợ giúp thiết bị, máy y tế đại, p ie cơng nghệ cao có phần mềm tin học hỗ trợ khiến cho hình ánh rõ nét w xác Một kênh thơng tin quan trọng hỗ trợ chẩn đốn chụp xạ hình… d oa nl điều trị bệnh dựa vào hình ảnh y khoa nhƣ X-quang, CT, MRI, lu an Chụp hình ảnh cắt lớp (Computed Tomography – CT) đƣợc ứng dụng u nf va rộng rãi cho chẩn đoán cận lâm sàng để phát bệnh lý từ sọ não, đầu mặt ll cổ, tim, ngực, bụng, chậu, xƣơng, mô mềm bệnh lý mạch máu não, m oi cổ, mạch máu chi mạch máu tạng khác Ảnh đƣợc chụp từ thiết bị chụp z at nh cắt lớp CT đƣợc dùng để hƣớng dẫn phẫu thuật xạ trị, theo dõi sau phẫu thuật Kỹ thuật xây dựng mơ hình 3D (3 chiều) đối tƣợng từ ảnh chụp cắt z gm @ lớp cho phép đánh giá xác vị tí tổn thƣơng không gian chiều, từ l định hƣớng tốt cho phẫu thuật nhƣ xạ trị Ngồi ra, kỹ thuật cịn m co dùng để tái tạo đối tƣợng 3D bệnh lý bất thƣờng bẩm sinh, giúp cho an Lu nhà phẫu thuật tạo hình chỉnh sửa tốt dị tật bẩm sinh Ngày với thói quen ăn uống tùy tiện, môi trƣờng ô nhiễm, n va ac th si 59 Hình 3.2 Ảnh DICOM CT 30 lát cắt ổ bụng lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm đầu vào @ Hình 3.3 Ảnh phân đoạn Gan (màu xanh) tƣơng ứng 30 lát cắt DICOM ổ bụng an Lu n va ac th si 60 Hình 3.4 Mơ hình 3D Gan từ 30 lát cắt Gan Ảnh đầu vào: Gồm 90 ảnh lát cắt CT ổ bụng, ảnh có kích thƣớc lu an 512 512 pixel n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 61 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu Hình 3.5 Ảnh DICOM 90 lát cắt ổ bụng n va ac th si 62 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 63 lu an n va p ie gh tn to d oa nl w va an lu Hình 3.6 Ảnh phân đoạn Gan (màu xanh) tƣơng ứng 90 ảnh DICOM ổ bụng u nf ll đầu vào oi m z at nh z m co l gm @ an Lu n va ac th si 64 lu an n va to Mơ hình 3D Gan từ 90 ảnh phân đoạn Gan Ảnh đầu vào: Gồm 129 ảnh lát cắt CT ổ bụng, ảnh có kích thƣớc p ie gh tn Hình 3.7 d oa nl w 512 512 pixel ll u nf va an lu oi m z at nh z l gm @ m co Hình 3.8 Mơ hình 3D Gan từ 129 ảnh phân đoạn Gan 512 512 pixel an Lu Ảnh đầu vào: Gồm 172 ảnh lát cắt CT ổ bụng, ảnh có kích thƣớc n va ac th si 65 lu an n va Ảnh đầu vào: Gồm 225 ảnh lát cắt CT ổ bụng, ảnh có kích thƣớc ie gh tn to Hình 3.9 Mơ hình 3D Gan từ 172 ảnh phân đoạn Gan p 512 512 pixel d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ Hình 3.10 Mơ hình 3D Gan từ 225 ảnh phân đoạn Gan an Lu n va ac th si 66 3.4 ĐÁNH GIÁ Trong ảnh y tế, liệu gan có độ tƣơng phản thấp so với vùng mô xung quanh; nữa, độ tƣơng phản gan thay đổi ảnh hƣởng nồng độ chất béo gan Một điểm quan trọng hình dạng gan có nhiều biến thể Đây loại đối tƣợng phức tạp khó quan sát chi tiết kể với mắt ngƣời Kết thử nghiệm xác định đƣợc tƣơng đối vị trí xuất đối tƣợng nhƣng số vấn đề cần giải với vùng biên, vùng góc Đây thách thức vấn đề nghiên cứu lu có ý nghĩa với nhóm tác giả tƣơng lai tới an Nhìn chung, với liệu lớn, thời gian chạy chƣơng trình va n cịn chậm Một số mơ hình phức tạp hiển thị phần liệu Gan gh tn to có lỗ bề mặt có nhiều đa giác đƣợc tạo Trung bình ie khối lập phƣơng tạo tam giác Vì khối liệu kích thƣớc lớn p tạo nhiều tam giác thuật tốn khơng hiệu với nl w khối liệu lớn d oa Bảng 3.1 Số lƣợng lát cắt, thời gian phân đoạn Gan, tái tạo mô hình 3D Gan lu Thời gian phân đoạn gan (s) 68 148 165 220 325 Thời gian tái tạo 3D Gan (s) 2,5 8,4 10,6 13,5 16,6 ll u nf oi m z at nh 30 90 129 172 225 va an Số lƣợng lát cắt z gm @ Từ bảng 3.1, ta thấy theo kỹ thuật mà luận văn thử nghiệm, thời gian xử lý phụ thuộc nhiều vào thời gian phân đoạn gan Khi số lƣợng lát l m co cắt tăng lên từ 30 đến 255, thời gian tái tạo 3D gan tăng từ 2.5 giây lên 16.6 giây, tức khoảng 14.1 giây, thời gian phân đoạn gan tăng lên từ 68 an Lu giây lên 325 giây tức 257 giây Ngồi kết phân đoạn n va ac th si 67 đầu vào để dựng 3D gan Do để tiếp tục phát triển tiếp nội dung luận văn, việc đầu tƣ nghiên cứu cho công đoạn xử lý ảnh, cụ thể phân đoạn gan, vấn đề cần đƣợc đặt trọng tâm 3.5.HƢỚNG PHÁT TRIỂN Để cải tiến nhƣợc điểm nêu phần 3.4.2, xin đƣa hƣớng cải tiến chƣơng trình nhƣ sau: Nghiên cứu thuật toán phân đoạn gan để cải thiện thời gian phân đoạn gan lu Cải tiến chất lƣợng hình ảnh: Để khắc phục tình trạng hiển thị phần an liệu có lỗ bề mặt có nhiều đa giác đƣợc tạo va n cải tiến tốc độ ta không vẽ đa giác mà vẽ điểm bề mặt Để vẽ Để vẽ không gian chiều trƣớc hết ta cần tìm voxel có giao với mặt, ie gh tn to đƣờng ta tìm pixel có giao với đƣờng đó, sau chia nhỏ pixel p sau chia nhỏ voxel Tiếp tục tìm kiếm chia nhỏ đạt đến độ nl w phân giải cần thiết Tìm điểm voxel sau dùng phép d oa chiếu để chuyển thành pixel u nf va mịn an lu Ƣu điểm kỹ thuật cải thiện tốc độ chƣơng trình bề mặt tạo Cải tiến tốc độ chƣơng trình: Dựa phƣơng pháp tính tốn song song ll oi m Phƣơng pháp tính tốn song song phƣơng pháp tính tốn thời z at nh điểm thay tính tốn giá trị điểm ảnh tồn ảnh ta áp dụng phƣơng pháp tính tốn nhiều giá trị điểm ảnh toàn ảnh z @ 3.6 KẾT LUẬN CHƢƠNG l gm Chƣơng cài đặt đƣợc chƣơng trình thử nghiệm kỹ thuật dựng m co mơ hình 3D Gan từ liệu ảnh CT dùng kỹ thuật hiển thị 3D Marching Cubes hiển thị mô hình 3D Gan từ liệu hình ảnh CT ổ bụng Từ kết an Lu chạy thử chƣơng trình, rút đƣợc hƣớng phát triển thuật toán n va ac th si 68 KẾT LUẬN VÀ KIẾN NGHỊ Theo thống kê vòng 20 năm gần tỷ lệ ung thƣ gan tăng lên đáng kể [6] Ung thƣ gan nguyên phát đứng hàng thứ nguyên nhân chết ung thƣ giới Yếu tố nguy phổ biến ung thƣ gan xơ gan, xơ gan sau viêm gan B C mạn tính Việt Nam nƣớc nằm vùng dịch tễ viêm gan vi rút B với tỷ lệ ngƣời nhiễm vi rút cao giới, với tỷ lệ ngƣời nhiễm viêm gan B 10% Tỷ lệ ung thƣ gan Việt lu Nam tƣơng đối cao bệnh nhân ung thƣ gan thƣờng đƣợc phát vào giai an n va đoạn muộn, có khoảng 20% trƣờng hợp phát khối u tn to gan định phẫu thuật thể tích gan cịn lại khơng đủ, có nguy Đồ họa máy tính nói chung tái tạo hình ảnh ba chiều vật thể thực p ie gh suy gan sau phẫu thuật dẫn đến tử vong w máy tính lĩnh vực thu hút đƣợc quan tâm nhiều oa nl giới nghiên cứu lĩnh vực công nghệ thông tin năm qua d Hình ảnh tái tạo từ máy tính đƣợc sử dụng có hiệu nhiều lĩnh lu an vực khác nhƣ giáo dục, giải trí, y tế, u nf va Tại Việt Nam, thiết bị chẩn đốn hình ảnh có khả tạo ảnh ba ll chiều nhƣ máy MSCT, MRI, siêu âm 3D, siêu âm 4D… bắt đầu đƣợc m oi sử dụng phổ biến trung tâm điều trị kỹ thuật cao Nếu thiết bị z at nh thông thƣờng có khả tạo ảnh cắt lớp hai chiều thiết bị có thêm chức tái tạo ảnh chiều từ lát cắt Bộ phận thực chức z gm @ máy tính mạnh có phần mềm xây dựng, tái tạo ảnh l chiều Hiện nay, giới có nhiều phần mềm thƣơng mại có khả m co tái tạo ảnh ba chiều từ ảnh cắt lớp nhƣ 3D – DOCTOR Able Software, an Lu Vitrea2 Vital Images, eFilm… Các phần mềm có giá trị từ vài nghìn USD đến vài chục nghìn USD tùy theo lựa chọn ngƣời sử dụng n va ac th si 69 Với thực khoa học cơng nghệ Việt Nam chế tạo phần cứng (máy cắt lớp) việc tƣơng đối khó nhƣng hồn tồn có khả nghiên cứu phần mềm lĩnh vực hình ảnh y tế Tuy nhiên, Việt Nam chƣa có nhiều nghiên cứu lĩnh vực xử lý ảnh y tế Do đó, việc nghiên cứu kỹ thuật tái tạo ảnh 3D từ ảnh chụp cắt lớp 2D y tế cần thiết Cùng với xu hƣớng dựa nhu cầu thực tế, luận văn mong muốn lý thuyết kỹ thuật tăng cƣờng chất lƣợng ảnh y tế lu nói chung, ảnh CT Gan nói riêng, kỹ thuật phân đoạn Gan nhƣ an kỹ thuật tái tạo ảnh 3D từ ảnh cắt lớp nói chung, từ lát cắt song va n song nói riêng Dựa đề xuất có lĩnh vực nghiên cứu tái gh tn to tạo 3D Gan, luận văn tổng hợp, phân tích nét kỹ thuật ie nâng cao chất lƣợng ảnh y tế, kỹ thuật phân đoạn Gan, kỹ thuật dựng mơ p hình 3D Trong luận văn tập trung: nl w - Tìm hiểu tổng quan xử lý ảnh, xử lý ảnh y tế, vấn đề dựng mơ hình 3D d oa - Tìm hiểu lý thuyết nâng cao chất lƣợng ảnh y tế nói chung an lu ảnh CT Gan nói riêng u nf va - Tìm hiểu lý thuyết kỹ thuật phân đoạn ảnh CT Gan - Dựa lý thuyết tìm hiểu, đề xuất kỹ thuật lấy mẫu phục ll oi m vụ hiển thị ánh sáng tái tạo mơ hình 3D Gan theo Cinematic Rendering z at nh - Đề xuất thuật tốn phân đoạn Gan dựa vào mơ hình chất liệu - Nghiên cứu, phân tích giải pháp thuật tốn dựng mơ hình 3D z @ Gan từ ảnh chụp cắt lớp l gm - Đƣa giải pháp phù hợp xây dựng ứng dụng minh họa dựng mơ m co hình 3D Gan từ ảnh chụp cắt lớp dựa kỹ thuật Marching Cubes - Nghiên cứu kế thừa chƣơng trình mã nguồn mở (VTK) phục vụ an Lu cho chƣơng trình n va ac th si 70 NHỮNG KẾT QUẢ CHƢA ĐẠT ĐƢỢC - Chƣa cải thiện đƣợc tốc độ hiển thị mơ hình 3D Gan so với thời gian thực lý thuyết - Ngoài ra, liệu hình ảnh y tế có số lƣợng lát cắt chất lƣợng hình ảnh cịn Tác giả thật mong muốn nhận đƣợc gợi ý chun mơn lẫn cách trình bày để luận văn hồn thiện HƢỚNG PHÁT TRIỂN lu - Tiếp tục nghiên cứu phƣơng pháp phân đoạn ảnh Gan để an phân đoạn Gan cách xác va n - Tiếp tục nghiên cứu phƣơng pháp dựng mơ hình ảnh 3D với gh tn to dạng ảnh cắt lớp khác nhƣ cắt lớp xuyên tâm, cắt lớp tự Nghiên cứu đặc ie tính loại ảnh cắt lớp để đƣa phƣơng án tái tạo tốt cho loại p - Đƣa thêm số chức đo thể tích Gan vào ứng dụng để bác nl w sĩ khảo sát chi tiết mơ hình đƣợc tái tạo d oa - Cải tiến giải thuật để tăng tốc độ xử lý an lu - Cải tiến giải thuật để tăng chất lƣợng mơ hình tái tạo 3D Gan ll u nf va - Nghiên cứu thêm số dựng mơ hình 3D dựa vào phần cứng oi m z at nh z m co l gm @ an Lu n va ac th si 71 DANH MỤC CƠNG TRÌNH KHOA HỌC ĐÃ CƠNG BỐ CỦA TÁC GIẢ [1] Đồn Thị Xƣơng, Phùng Văn Minh, Trần Thị Liên, Một thuật toán hiển thị mơ hình 3D từ liệu hình ảnh y tế DICOM, Tạp chí trƣờng Đại học Quy Nhơn, 2016 [2] Lê Thị Kim Nga, Đoàn Thị Xƣơng, Đoàn Thị Thu Cúc, A technique of identifying the contour point to assess the change of abnormal areas on lu an medical imaging, Tạp chí trƣờng Đại học Quy Nhơn, 2020 n va [3] Lê Thị Kim Nga, Đoàn Thị Xƣơng, Đoàn Thị Thu Cúc, A Technique to tn to detect liver tumor based on texture model, Tạp chí trƣờng Đại học Quy p ie gh Nhơn, 2020 d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 72 DANH MỤC TÀI LIỆU THAM KHẢO TIẾNG VIỆT [1] Lê Thị Kim Nga (2019), Bài giảng môn xử lý ảnh, Đại học Quy Nhơn [2] Đỗ Năng Tồn (2001), Giáo trình xử lý ảnh, Học viện Cơng nghệ Bƣu Viễn thơng [3] Lê Thị Kim Nga, Huỳnh Lê Anh Vũ, Nguyễn Thị Kim Phƣợng (2017), Một kỹ thuật phát đối tượng không cấu trúc ảnh dựa vào tiếp cận hồi quy, Hội nghị quốc gia CNTT&TT 2017 lu an TIẾNG ANH va n [4] Adria Kaehler, Gary Bradski (2014), Learning OpenCV: Computer Vision to tn in C++ with the OpenCV Library, 2nd Edition, O'Reilly Media, Inc p ie gh [5] Anamika Bhardwaj, Manish K.Singh (2012), A Novel approach of medical image enhancement based on Wavelet transform, nl w International Journal of Engineering Research and Applications, 2012 d oa [6] Jemal A, Bray F, Center MM, Ferlay J, Ward E, Forman D (2011), Global an lu cancer statistic, CA Cancer J Clin 61(2):69–90 va [7] K Somasundaram, P Kalavathi (2012), Medical Image Contrast ll u nf Enhancement based on Gamma Correction,Image Processing Lab, oi m Department of Computer Science and Applications Gandhigram Rural z at nh Institute, Gandhigram – 624 302, Tamilnadu, India [8] Lu, F., Wu, F., Hu, P., Peng, Z., & Kong, D (2017), Automatic 3D liver z location and segmentation via convolutional neural network and @ m co l surgery, 12(2), 171-182 gm graph cut International journal of computer assisted radiology and [9] Olaf Ronneberger, Philip Fischer, Thomas Brox (2015), U-Net: an Lu Convolution Networks for Biomedical Image segmentation, Medical n va ac th si 73 Inage Computing and Computer-Assisted Intervention (MICCA) 2015 [10] He, K., Zhang, X., Ren, S., & Sun, J (2016) Deep residual learning for image recognition In Proceedings of the IEEE conference on computer vision and pattern recognition (pp 770-778) [11] Wiliam E.Lorensen, Harvey E Cline (1987), Marching Cubes: A high Resolution 3D Surface Construction Algorithm, Computer Graphics, Volume 21, Number [12] https://www.ircad.fr/research/3d-ircadb-01/ lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si