Thông tin tài liệu
TRƯỜNG ĐẠI HỌC PHENIKAA KHOA ĐIỆ N – ĐIỆ N TỬ - - BÀI TẬP LỚ N MÔN XỬ LÝ ẢNH Y TẾ ĐỀ TÀI: TÌM HIỂU CÁC KỸ THUẬT XỬ LÝ ẢNH Y TẾ ÁP DỤNG TRÊN ẢNH X-QUANG NGỰ C, MRI BỤNG VÀ ĐÙI Sinh viên th ực hi ện Tr ần Thị Xuân Ninh MSSV: 19010255 Lớ p: K13 KTYS Giảng viên hướ ng d ẫn Nguyễn Văn Tớ i Hà Nội, tháng năm 2023 h MỤC LỤC LỜI NÓI ĐẦU CHƯƠNG I: TỔNG QUAN 1.1 Giớ i thiệu chung về xử lý ảnh y tế 1.2 Các sở liệu 1.3 Các định dạng ảnh CHƯƠNG II CÁC KỸ THUẬT X Ử LÝ ẢNH Y T Ế THỰ C HIỆN TRÊN GOOGLE COLAB 11 Hiển thị ảnh 11 Truy xuất giá trị ảnh 12 Đườ ng viền ảnh 12 Đổi màu ảnh 15 Ảnh âm bản 17 Thay đổi độ sáng 19 Thay đổi độ tương phản 21 Gamma correction 23 Tính, hiển thị, cân histogram 24 10 Nhiễu Trung bình Averaging 11 Nhiễu Gaussian 28 12 Median Blurring 13 Bilateral Filtering 31 14 Image Gradients 33 15 Phát cạnh canny 34 16 Ngưỡ ng ảnh (đặt giá trị, thích ứ ng, otsu) 36 17 Phân đoạn ảnh, thuật toán đầ u nguồn 42 18 Phép tốn hình thái 45 19 SIFT 48 20 Feature matching 49 21 Homography 52 27 30 K ẾT LUẬN 55 TÀI LIỆU THAM KH ẢO 57 h LỜI NÓI ĐẦU Trong thờ i gian gần đây, việc áp dụng k ỹ thu ật x ử lý ảnh y tế trên ảnh chụ p X-quang MRI c quan thể trở thành lĩnh vực nghiên cứu quan tr ọng lĩnh vực y học Công nghệ thông tin mang lại tiến bộ đáng kể trong việc phân tích ch ẩn đốn hình ảnh y tế, tạo khả năng để hiểu đánh giá bệnh lý Truyền th ống, việc chẩn đoán bệnh lý dựa ảnh X-quang MRI yêu cầu s ự can đảm kinh nghiệm lâu năm chuyên gia y t ế Tuy nhiên, vi ệc đánh giá đồng xác bác sĩ giảm thi ểu sai sót thách thức lớn Đây lý k ỹ thu ật x ử lý ảnh y tế đã trở thành ph ần quan tr ọng q trình ch ẩn đốn hình ảnh nghiên cứu y h ọc Đề tài nhằm mục đích tìm hiểu xem xét k ỹ thu ật x ử lý ảnh y tế đượ c áp dụng ảnh chụ p X-quang MRI ba bộ phận quan tr ọng thể ngườ i: ngực, bụng đùi Tơi sẽ trình bày thuật toán xử lý ảnh đượ c sử dụng để cải thiện ch ất lượ ng ảnh X-quang, tăng cường độ sáng, tương phản, loại bỏ nhiễu giảm thiểu s ự m ất mát thơng tin, thuật tốn phân đoạn phép tốn hình thái… Bằng việc tìm hiểu áp d ụng k ỹ thuật xử lý ảnh y tế trên ảnh chụ p X-quang MRI ngực, bụng đùi, hy vọng r ằng sẽ cho số k ết quả quan tr ọng Tôi tin r ằng việc tìm hiểu áp dụng k ỹ thuật xử lý ảnh y tế trên ảnh chụ p Xquang, MRI ng ực, b ụng đùi đóng vai trị quan trọng việc nâng cao khả năng chẩn đoán điều tr ị bệnh lý Chân thành cảm ơn sự quan tâm đồng hành Thầy bạn q trình hồn thiện đề tài Tôi hy vọng r ằng báo cáo sẽ đóng góp vào sự hiểu biết thúc đẩy sự phát triển lĩnh vực xử lý ảnh y tế trong thực tế y h ọc Trân tr ọng h CHƯƠNG I: TỔNG QUAN 1.1 Giớ i thiệu chung về xử lý ảnh y tế 1.1.1. Xử lý ảnh y tế Xử lý ảnh y tế là m ột lĩnh vực công ngh ệ thông tin y học, nhằm áp dụng phương pháp kỹ thu ật xử lý ảnh vào hình ảnh y tế như ảnh chụ p X-quang, CT (Computed Tomography), MRI (Magnetic Resonance Imaging) siêu âm để phân tích, đánh giá chẩn đốn bệnh lý thể Mục tiêu củ a x ử lý ảnh y tế là cải thiện chất lượ ng ảnh, tăng cườ ng thông tin hình ảnh hỗ tr ợ quyết định chẩn đốn chun gia y t ế 1.1.2. Quá trình xử lý ảnh y tế Xử lý ảnh y tế trình áp dụng thuật toán kỹ thuật xử lý ảnh để phân tích đánh giá hình ảnh y tế Quá trình xử lý hình ảnh y tế bắt đầu cách thu thập liệu thơ từ hình ảnh CT MRI tái cấu trúc chúng thành định dạng phù hợp để sử dụng phần mềm có liên quan Trước áp dụng thuật toán phân tích, hình ảnh y tế cần tiền xử lý để loại bỏ nhiễu, tăng cường độ tương phản làm rõ thơng tin hình ảnh Các phương pháp tiền xử lý bao gồm làm ảnh, lọc nhiễu, điều chỉnh độ tương phản cân histogram Tiếp theo bước xử lý ảnh: phân đoạn ảnh, đánh dấu phát bất thường ảnh, Cuối cùng, kết xử lý ảnh hiển thị trình bày để hỗ trợ việc chẩn đốn bệnh. 1.1.3 Lợi ích ứng dụng xử lý ảnh 1.1 3.1 Lợi ích y tế Xử lý ảnh y tế mang lại nhiều lợi ích quan trọng lĩnh vực y học: - Tăng khả phát sớm bất thường: Xử lý ảnh y tế giúp tăng cường khả phát sớm dấu hiệu bất thường bệnh lý hình ảnh y tế Các thuật tốn phân tích mơ hình học máy nhận diện biểu khơng bình thường, giúp bác sĩ phát hiện sớm vấn đề y tế đưa chẩn đốn xác. h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 - - - - - - - - Hỗ trợ định chẩn đoán: Xử lý ảnh y tế cung cấp thông tin quan trọng để hỗ trợ định chẩn đốn Bác sĩ sử dụng cơng cụ phần mềm xử lý ảnh để phân tích đánh giá hình ảnh y tế, từ giúp họ đưa định chẩn đốn xác nhanh chóng. Giảm thiểu sai sót chẩn đốn: Xử lý ảnh y tế giúp giảm thiểu sai sót chẩn đốn yếu tố người gây Các thuật toán mơ hình máy học có khả xử lý lượng lớn liệu hình ảnh nhận dạng biểu bất thường, giúp tăng độ xác đồng quy trình chẩn đốn. Cải thiện chất lượng chăm sóc y tế: Xử lý ảnh y tế cung cấp hình ảnh chất lượng cao rõ ràng, giúp bác sĩ nhân viên y tế có nhìn tồn diện tình trạng sức khỏe bệnh nhân Điều giúp cải thiện chất lượng chăm sóc y tế quản lý bệnh tốt hơn. Hỗ trợ nghiên cứu phân tích: Xử lý ảnh y tế cung cấp sở liệu hình ảnh phong phú cho nghiên cứu y học Các nhà nghiên cứu sử dụng các công cụ phương pháp xử lý ảnh để phân tích, so sánh tìm kiếm thơng tin từ tập liệu. Tăng hiệu suất tiết kiệm thời gian: Xử lý ảnh y tế giúp tăng hiệu suất quy trình chẩn đốn điều trị Các công cụ phần mềm xử lý ảnh cho phép tự động hố nhiều cơng đoạn phân tích đánh giá, giúp tiết kiệm thời gian cho bác sĩ nhân viên y tế Điều cho phép họ tập trung vào việc tương tác điều trị bệnh nhân. Nâng cao truy cập chia sẻ thông tin: Xử lý ảnh y tế cung cấp khả truy cập chia sẻ liệu hình ảnh y tế cách dễ dàng an toàn Bác sĩ nhân viên y tế truy cập hình ảnh từ xa, tăng cường hợp tác trao đổi thông tin chuyên gia Điều hỗ trợ việc tư vấn từ xa thăm khám từ xa, đặc biệt vùng hẻo lánh hay tình khẩn cấp. Hỗ trợ quy trình hướng dẫn đào tạo: Xử lý ảnh y tế sử dụng để tạo tài liệu hướng dẫn đào tạo cho bác sĩ nhân viên y tế Hình ảnh y tế tạo thành giảng, video tài liệu tương tác giúp cung cấp hướng dẫn chi tiết thực hành cho việc phân tích đánh giá hình ảnh y tế. Tiềm phát triển tương tác với công nghệ khác: Xử lý ảnh y tế liên tục phát triển tương tác mạnh mẽ với công nghệ trí tuệ nhân tạo, học sâu, thị giác máy tính thực tế tăng cường h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 Các kỹ thuật nâng cao khả phân tích, đánh giá chẩn đốn hình ảnh y tế, mở tiềm cho tiến đáng kể lĩnh vực y học. 1.1.3.2 Ứng dụng Xử lý ảnh y tế có nhiều ứng dụng quan trọng lĩnh vực y học chăm sóc sức khỏe: - Chẩn đốn hình ảnh: Xử lý ảnh y tế sử dụng để hỗ trợ định chẩn đốn cách phân tích đánh giá hình ảnh từ kỹ thuật hình ảnh X-quang, CT, MRI, siêu âm PET-CT Các thuật tốn phân tích ảnh học máy có khả nhận diện phân loại dấu hiệu bất thường, giúp bác sĩ chẩn đoán bệnh lý ung thư, bệnh tim mạch, bệnh não, nhiều nữa. - Định vị hướng dẫn can thiệp: Xử lý ảnh y tế sử dụng để hỗ trợ trình can thiệp phẫu thuật Bằng cách tích hợp hình ảnh y tế với cơng cụ định vị thích hợp, bác sĩ xác định vị trí xác định hình quan cấu trúc bên thể, giúp họ thực thủ tục can thiệp, chọc dò, tiêm chất tẩy uế, hay phẫu thuật, cách an tồn xác Theo dõi đánh giá tiến triển bệnh: Xử lý ảnh y tế cung cấp sở liệu hình ảnh liên tục cho việc theo dõi đánh giá tiến triển bệnh Bằng cách so sánh hình ảnh lặp lại theo thời gian, bác sĩ đánh giá hiệu liệu pháp, xác định thay đổi kích thước đặc điểm khối u, hay theo dõi tiến độ bệnh lý định. - Phân tích hình ảnh phân tử: Xử lý ảnh y tế sử dụng để phân tích hình ảnh phân tử từ kỹ thuật hình ảnh PET-CT - Phân tích hình ảnh retinal: Xử lý ảnh y tế sử dụng để ph ân tích hình ảnh retinal điều trị theo dõi bệnh lý liên quan đến mắt, bệnh đục thuỷ tinh thể, bệnh thủy tinh thể, bệnh đục thủy tinh thể Các thuật tốn xử lý ảnh phát đánh dấu biểu bất thường hình ảnh retinal, giúp bác sĩ chẩn đốn đánh giá tiến triển bệnh - Phân tích hình ảnh histopathology: Xử lý ảnh y tế sử dụng để phân tích hình ảnh histopathology, mẫu mơ xem kính hiển vi để xác định tế bào cấu trúc mô bị tổn thương Các thuật tốn xử lý ảnh phát phân tích đặc điểm biểu bất thường - h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 mẫu histopathology, giúp bác sĩ chẩn đoán đánh giá bệnh lý liên quan đến mô. - Hỗ trợ nghiên cứu y học: Xử lý ảnh y tế cung cấp nguồn dữ liệu quan trọng cho nghiên cứu y học Các nhà nghiên cứu sử dụng công cụ phương pháp xử lý ảnh để phân tích đánh giá tập liệu hình ảnh y tế lớn, từ tìm hiểu đặc điểm bệnh lý, tiên lượng bệnh, phản ứng với liệu pháp - Trích xuất đặc trưng phân loại: Xử lý ảnh y tế sử dụng để trích xuất đặc trưng từ hình ảnh phân loại bệnh lý Các thuật toán mơ hình học máy học từ liệu hình ảnh y tế để phát đặc trưng đặc biệt phân loại các trường hợp bệnh Điều hỗ trợ việc tự động hố quy trình chẩn đốn giúp tăng cường độ xác đồng việc phân loại bệnh. 1.2 Các sở liệu 1.2.1 Cơ sở liệu Vingroup Big Data Institute Cuộc thi “Phát bất thường ảnh X-quang lồng ngực” Viện Nghiên cứu Dữ liệu lớn VinBigdata, Tập đồn Vingroup tổ chức Bài tốn xây dựng thuật tốn trí tuệ nhân t ạo để phát khoanh vùng 14 lo ại tổn thương khác hình ảnh X-quang ph ổi Thuật toán đượ c phép hu ấn luyện d ựa bộ d ữ li ệu g ồm 15.000 ảnh Xquang phổi đượ c thu thậ p gán nhãn t ại Việt Nam, sau đánh giá bằng cách so sánh v ớ i k ết quả đọc bác sĩ bộ dữ liệu ki ểm thử gồm 3.000 ảnh khác Đây bộ dữ liệu X-quang ph ổi đượ c gán nhãn b ởi bác sĩ có quy mơ lớ n thế giới đượ c chia sẻ cho cộng đồng đến thời điểm tại. Hình ảnh đượ c thu th ậ p từ bệnh viện Trung ương Quân đội 108 Bệnh viện Đại học Y Hà Nội, 100% d ữ liệu đượ c nặc danh hoá 1.2.2 Cơ sở d ữ li ệu “The Visible Human Project” - Dự án hình ngườ i h ữu Dự án NLM Visible Human Project đã tạo hình đại di ện ba chiều hồn chỉnh, chi tiết về mặt giải phẫu, có s ẵn công khai c thể nam giớ i thể n ữ giớ i Cụ th ể, VHP cung cấ p thư viện ph ạm vi cơng cộng gồm hình ảnh phẫu thuật l ạnh c ngang, CT MRI thu đượ c từ một h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 tử thi nam tử thi nữ Bộ dữ liệu Visible Human Male bao g ồm MRI, CT hình ảnh giải ph ẫu 1.2.3 Cơ sở dữ liệu ChestXray-14 ChestX-ray14 bộ dữ liệu hình ảnh y tế bao gồm 112.120 hình ảnh X-quang nhìn t ừ phía trướ c 30.805 b ệnh nhân nh ất (đượ c thu thậ p từ năm 1992 đến 2015) v ới mườ i b ốn nhãn bệnh phổ bi ến đượ c khai thác bằng văn bản, đượ c khai thác t các báo cáo X quang d ạng văn thơng qua NLP k ỹ xảo Nó mở r ộng ChestX-ray8 cách b ổ sung thêm sáu bệnh về ngực: Phù nề, Khí phế thũng, Xơ hóa, Dày màng phổi Thoát v ị 1.3 Các định dạng ảnh 1.3.1 Định dạng ảnh dicom Định dạng ảnh DICOM (Digital Imaging and Communications in Medicine) tiêu chuẩn đượ c s ử d ụng r ộng rãi lĩnh vực y t ế để lưu trữ, truyền t ải xử lý hình ảnh y tế DICOM định nghĩa cách dữ li ệu hình ảnh y tế đượ c cấu trúc, mã hóa truy ền t ải hệ thống y tế khác DICOM không ch ỉ đơn định dạng file ảnh, mà m ột chuẩn quan tr ọng để đảm b ảo tính tương thích khả năng tương tác thiết bị hình ảnh y tế và hệ thống y tế Đượ c phát triển bở i Hiệ p hội Ảnh y tế (Medical Imaging and Technology Alliance) Hi ệ p hội Y tế (American College of Radiology) vào nh ững năm 1980, DICOM trở thành tiêu chu ẩn quốc tế đượ c sử dụng r ộng rãi ứng dụng y tế toàn thế giớ i Một số đặc điểm DICOM bao g ồm: - Cấu trúc dữ liệu: DICOM định nghĩa cấu trúc dữ li ệu hình ảnh y tế bao gồm thơng tin về bệnh nhân, loại hình ảnh, thơng tin k ỹ thuật, thu ộc tính khác Điều giúp đảm bảo tính tồn v ẹn tương thích dữ liệu q trình chia s ẻ và truyền tải - Mã hóa d ữ li ệu: DICOM sử dụng phương pháp mã hóa dữ liệu hình ảnh y tế để đả m b ảo tính bảo m ật ch ất lượ ng c d ữ li ệu Nó hỗ tr ợ vi ệc nén dữ liệu hình ảnh để giảm kích thướ c file mà gi ữ đượ c chất lượ ng hình ảnh h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 - Khả năng mở r ộng: DICOM cho phép mở r ộng tùy ch ỉnh theo nhu cầu ứng dụng y tế cụ thể Nó hỗ tr ợ việc thêm vào mở r ộng thuộc tính giao th ức để phù hợ p v ớ i yêu c ầu đặc bi ệt lĩnh vực y tế - Khả năng tương thích tương tác: DICOM đảm b ảo tính tương thích khả tương tác hệ th ống hình ảnh y tế và hệ thống y tế khác Điều đảm bảo r ằng dữ liệu hình ảnh y tế có thể đượ c chia sẻ, truyền tải xử lý m ột cách hiệu quả đáng tin cậy hệ thống khác DICOM hỗ tr ợ giao th ức truyền tải dữ liệu mạnh mẽ như DICOM network protocol (DICOM-NP), DICOM web services (DICOM-WS) DICOM cloud services (DICOM-CS), cho phép truy ền tải dữ liệu hình ảnh y tế qua mạng giao tiế p vớ i hệ thống khác Định d ạng ảnh DICOM cung cấ p nhi ều lợ i ích quan tr ọng lĩnh vực y tế Đầu tiên, tạo điều ki ện cho vi ệc chia sẻ dữ li ệu hình ảnh y tế giữa sở y tế và chuyên gia y t ế Th ứ hai, DICOM cho phép tích hợ p dữ liệu hình ảnh y tế vào hệ thống thông tin y t ế (HIS) h ồ sơ điện tử bệnh nhân (EHR) Th ứ ba, DICOM cung cấ p khả năng lưu trữ dữ liệu hình ảnh y tế theo thờ i gian dài bảo đảm tính tồn vẹn dữ liệu Cuối cùng, DICOM tạo điều kiện cho phát tri ển sử dụng ứng dụng phân tích hình ảnh trí tu ệ nhân tạo lĩnh vực y tế Nh ờ đó, thuật tốn cơng nghệ mớ i có thể đượ c áp dụng để hỗ tr ợ quy ết định chẩn đoán, đánh giá tiến triển b ệnh cải thiện ch ất lượng chăm sóc sức khỏe Tóm lại, định dạng ảnh DICOM đóng vai trị quan trọng vi ệc qu ản lý, chia sẻ và xử lý dữ li ệu hình ảnh y tế Nó tạo điều ki ện cho tính tương thích, tương tác tiêu chuẩn hóa lĩnh vực y tế, đồng thờ i hỗ tr ợ ứng dụng công ngh ệ mớ i lĩnh vực y tế Vớ i DICOM, hình ảnh y tế có thể đượ c truyền t ải chia sẻ một cách dễ dàng bệnh viện, phòng khám sở y tế khác nhau, giúp nâng cao t ốc độ và hiệu quả trong q trình chẩn đốn điều tr ị 1.3.2 Định dạng ảnh png Định d ạng ảnh PNG (Portable Network Graphics) m ột định dạng file hình ảnh phổ biến r ất ưa chuộng Internet PNG đượ c thiết k ế để thay thế cho định d ạng ảnh GIF cung cấ p lợi ích vượ t tr ội về chất lượ ng hiệu suất PNG sử d ụng thuật toán nén không m ất mát để gi ữ nguyên ch ất lượ ng hình ảnh ban đầu mà khơng làm m ờ m ất thông tin quan trọng Điều đặc bi ệt h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 hữu ích cho hình ảnh có sự chênh lệch màu sắc đậm, đặc biệt biểu đồ, đồ họa ảnh có văn So với định dạng ảnh JPEG, PNG thườ ng cho k ết quả nén tốt đối v ớ i hình ảnh khơng có s ự mất mát khơng gây tượ ng mờ hay nhiễu Một nh ững đặc điểm n ổi bật PNG khả hỗ tr ợ kênh su ốt (transparency) Điều cho phép ngườ i dùng tạo hình ảnh v ớ i phần n ền suốt, hiển thị chính xác đối tượ ng ứng dụng trang web PNG hỗ tr ợ cả kênh suốt đơn giản (binary transparency) kênh suốt xuyên qua (alpha transparency), mang l ại linh hoạt sự sáng tạo việc sử dụng hình ảnh PNG hỗ tr ợ màu sắc 24 bit màu sắc 48 bit, cho phép tái t ạo xác gam màu đa dạng tương phản cao Đồng thờ i, PNG hỗ tr ợ việc lưu trữ dữ liệu metadata thông tin tác giả, ngày tạo độ phân giải hình ảnh Với tính bật ưu điểm vượ t tr ội, PNG trở thành định dạng ảnh phổ biến đượ c sử dụng nhi ều ứng d ụng thiết k ế đồ họa, trang web, trò chơi điện tử, ứng d ụng đa phương tiện khác PNG đượ c công nhận định dạng ảnh linh ho ạt, mạnh mẽ và không mát ch ất lượng, đáng tin cậy việc lưu trữ và chia s ẻ hình ảnh tảng k ỹ thu ật số 10 h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 ảnh sang gray Chuyển Bư thang màu gray, đặt cv.cvtColor(img,cv.COLOR_BGR2GRAY) ớ c ngưỡ ng ret, thresh = = cv.threshold(gray,0,255,cv.THRESH_BINARY _INV+cv.THRESH_OTSU) Bư ớ c Loại bỏ nhi ễu kernel = np.ones((3,3),np.uint8) opening = cv.morphologyEx(thresh,cv.MORPH_OPEN,ke rnel, iterations = 2) Bư ớ c Co lại sure_bg = cv.dilate(opening,kernel,iterations=3) dist_transform = cv.distanceTransform(opening,cv.DIST_L2,5) ret, sure_fg = cv.threshold(dist_transform,0.7*dist_transform max(),255,0) sure_fg = np.uint8(sure_fg) unknown = cv.subtract(sure_bg,sure_fg) 43 h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 Hiển th ị ảnh titles = ['Original Image','opening','sure_bg','unknown'] images = [img, opening, sure_bg, unknown] for i in range(4): plt.subplot(2,2,i+1),plt.imshow(images[i],'gray', vmin=0,vmax=255) plt.title(titles[i]) plt.xticks([]),plt.yticks([]) plt.show() titles = ['Original Image','opening','sure_bg','unknown'] images = [img, opening, sure_bg, unknown] for i in range(4): plt.subplot(2,2,i+1),plt.imshow(images[i],'gray', vmin=0,vmax=255) plt.title(titles[i]) plt.xticks([]),plt.yticks([]) plt.show() 44 h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 18.Phép toán hình thái B Nội dung Code ớ c B Nhập thư viện Python import cv2 as cv OpenCV thư viện ớ c import numpy as np matplotlib.pyplot gán tên cho chúng l ần lượ t import matplotlib.pyplot as plt cv plt B ớ c Đọc ảnh img = cv.imread(/content/ngucx.png ', cv.IMREAD_GRAYSCALE) assert img is not None, "file could not be read, check with os.path.exists()" plt.imshow(img) tất cả pixel gần kernel = np.ones((5,5),np.uint8) ranh giớ i sẽ bị loại bỏ theo kích thướ c hạt nhân 5x5 erosion = cv.erode(img,kernel,iterations = 1) hàm cv.erode Làm xói mịn hình ảnh cách sử dụng yếu tố cấu trúc cụ thể 45 h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 tăng kích thướ c dilation = cv.dilate(img,kernel,iterations = 1) đối tượ ng, hàm plt.imshow(img) cv.dilate Làm giãn hình ảnh cách sử dụng yếu tố cấu trúc cụ thể co -giãn Hàm opening = cv.morphologyEx(img, cv::morphologyEx có cv.MORPH_OPEN, kernel) thể thực hi ện phép biến đổi hình thái tiên tiến cách s ử dụng xói mòn giãn n ở làm hoạt động bản plt.imshow(img) giãn - co closing = cv.morphologyEx(img, cv.MORPH_CLOSE, kernel) plt.imshow(img) sự khác biệt giữ a co gradient giãn hình ảnh = cv.morphologyEx(img, cv.MORPH_GRADIENT, kernel) plt.imshow(img) sự khác biệt hình tophat ảnh g ốc opening = cv.morphologyEx(img, cv.MORPH_TOPHAT, kernel) plt.imshow(img) sự khác biệt hình blackhat ảnh g ốc closing = cv.morphologyEx(img, cv.MORPH_BLACKHAT, kernel) 46 h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 plt.imshow(img) K ết qu ả: 47 h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 19.SIFT SIFT thuật toán phát hi ện đặc trưng không bị thay việc nhận dạng trích xuất đặc trưng từ hình ảnh đổi tỷ lệ, r ất hữu ích Bướ c Nhập thư viện Python OpenCV thư viện matplotlib.pyplot import cv2 as cv gán tên cho chúng l ần lượ t cv import numpy as np plt import matplotlib.pyplot as plt Bướ c Đọc ảnh img = cv.imread(/content/ngucx.png ', cv.IMREAD_GRAYSCALE) Bướ c Đổi màu ảnh sang ảnh xám gray= cv.cvtColor(img,cv.COLOR_BGR 2GRAY) sift = cv.SIFT_create() kp = sift.detect(gray,None) Bướ c Tạo đối tượ ng SIFT Bướ c Sử dụng phương thức “detect” để phát keypoint ảnh xám Bướ c Vẽ các keypoint lên ảnh xám img=cv.drawKeypoints(gray,kp,im Lưu ảnh vớ i keypoint g) đượ c vẽ lên cv.imwrite('sift_keypoints.jpg',img Bướ c Bướ c ) Vẽ lại keypoint lên ảnh img=cv.drawKeypoints(gray,kp,im g ốc g,flags=cv.DRAW_MATCHES_F LAGS_DRAW_RICH_KEYPOIN TS) cv.imwrite('sift_keypoints.jpg',img ) Phát tính tốn sift = cv.SIFT_create() keypoint descripted kp, des = ảnh xám Lưu kết quả sift.detectAndCompute(gray,None ) 48 h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 20.Feature matching import numpy as np import cv2 as cv import matplotlib.pyplot as plt img1 = cv.imread('/content/dui nu.png',cv.IMREAD_GRAYSCALE) # queryImage img2 = cv.imread('/content/duinu png',cv.IMREAD_GRAYSCALE) # trainImage # Initiate ORB detector orb = cv.ORB_create() # find the keypoints and descriptors with ORB kp1, des1 = orb.detectAndCompute(img1,None) kp2, des2 = orb.detectAndCompute(img2,None) # create BFMatcher object bf = cv.BFMatcher(cv.NORM_HAMMING, crossCheck=True) # Match descriptors matches = bf.match(des1,des2) # Sort them in the order of their distance matches = sorted(matches, key = lambda x:x.distance) # Draw first 10 matches img3 = cv.drawMatches(img1,kp1,img2,kp2,matches[:10],None,flags=cv DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS) plt.imshow(img3),plt.show() K ết qu ả: 49 h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 import numpy as np import cv2 as cv import matplotlib.pyplot as plt img1 = cv.imread('/content/MRI dui nu.png',cv.IMREAD_GRAYSCALE) # queryImage img2 = cv.imread('/content/duinu png',cv.IMREAD_GRAYSCALE) # trainImage # Initiate SIFT detector sift = cv.SIFT_create() # find the keypoints and descriptors with SIFT kp1, des1 = sift.detectAndCompute(img1,None) kp2, des2 = sift.detectAndCompute(img2,None) # BFMatcher with default params bf = cv.BFMatcher() matches = bf.knnMatch(des1,des2,k=2) # Apply ratio test good = [] for m,n in matches: if m.distance < 0.75*n.distance: good.append([m]) # cv.drawMatchesKnn expects list of lists as matches img3 = cv.drawMatchesKnn(img1,kp1,img2,kp2,good,None,flags=cv.Dra wMatchesFlags_NOT_DRAW_SINGLE_POINTS) plt.imshow(img3),plt.show() K ết qu ả: 50 h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 import numpy as np import cv2 as cv import matplotlib.pyplot as plt img1 = cv.imread('/content/MRI dui nu.png',cv.IMREAD_GRAYSCALE) # queryImage img2 = cv.imread('/content/duinu png',cv.IMREAD_GRAYSCALE) # trainImage # Initiate SIFT detector sift = cv.SIFT_create() # find the keypoints and descriptors with SIFT kp1, des1 = sift.detectAndCompute(img1,None) kp2, des2 = sift.detectAndCompute(img2,None) # FLANN parameters FLANN_INDEX_KDTREE = index_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5) search_params = dict(checks=50) # or pass empty dictionary flann = cv.FlannBasedMatcher(index_params,search_params) matches = flann.knnMatch(des1,des2,k=2) # Need to draw only good matches, so create a mask matchesMask = [[0,0] for i in range(len(matches))] # ratio test as per Lowe's paper for i,(m,n) in enumerate(matches): if m.distance < 0.7*n.distance: matchesMask[i]=[1,0] draw_params = dict(matchColor = (0,255,0), singlePointColor = (255,0,0), matchesMask = matchesMask, flags = cv.DrawMatchesFlags_DEFAULT) img3 = cv.drawMatchesKnn(img1,kp1,img2,kp2,matches,None,**draw_p arams) plt.imshow(img3,),plt.show() 51 h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 K ết qu ả: 21.Homography import numpy as np import cv2 as cv import matplotlib.pyplot as plt img1 = cv.imread('/content/MRI dui nu.png',cv.IMREAD_GRAYSCALE) # queryImage img2 = cv.imread('/content/duinu png',cv.IMREAD_GRAYSCALE) # trainImage # Initiate SIFT detector sift = cv.SIFT_create() # find the keypoints and descriptors with SIFT kp1, des1 = sift.detectAndCompute(img1,None) kp2, des2 = sift.detectAndCompute(img2,None) # FLANN parameters FLANN_INDEX_KDTREE = index_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5) search_params = dict(checks=50) # or pass empty dictionary flann = cv.FlannBasedMatcher(index_params,search_params) matches = flann.knnMatch(des1,des2,k=2) 52 h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 # Need to draw only good matches, so create a mask matchesMask = [[0,0] for i in range(len(matches))] # ratio test as per Lowe's paper for i,(m,n) in enumerate(matches): if m.distance < 0.7*n.distance: matchesMask[i]=[1,0] draw_params = dict(matchColor = (0,255,0), singlePointColor = (255,0,0), matchesMask = matchesMask, flags = cv.DrawMatchesFlags_DEFAULT) img3 = cv.drawMatchesKnn(img1,kp1,img2,kp2,matches,None,**draw_p arams) plt.imshow(img3,),plt.show() if len(good)>MIN_MATCH_COUNT: src_pts = np.float32([ kp1[m.queryIdx].pt for m in good ]).reshape(-1,1,2) dst_pts = np.float32([ kp2[m.trainIdx].pt for m in good ]).reshape(-1,1,2) M, mask = cv.findHomography(src_pts, dst_pts, cv.RANSAC,5.0) matchesMask = mask.ravel().tolist() h,w = img1.shape pts = np.float32([ [0,0],[0,h-1],[w-1,h-1],[w-1,0] ]).reshape(1,1,2) dst = cv.perspectiveTransform(pts,M) img2 = cv.polylines(img2,[np.int32(dst)],True,255,3, cv.LINE_AA) else: print( "Not enough matches are found - {}/{}".format(len(good), MIN_MATCH_COUNT) ) matchesMask = None draw_params = dict(matchColor = (0,255,0), # draw matches in green color singlePointColor = None, 53 h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 matchesMask = matchesMask, # draw only inliers flags = 2) img3 = cv.drawMatches(img1,kp1,img2,kp2,good,None,**draw_params) plt.imshow(img3, 'gray'),plt.show() K ết qu ả: 54 h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 K ẾT LUẬN Trong đề tài này, tơi tìm hiểu nghiên cứu k ỹ thu ật x ử lý ảnh y tế đượ c áp dụng ảnh X-quang ng ực, MRI bụng đùi Tôi thực số công việc đưa số nhận xét quan tr ọng Đầu tiên, nghiên cứu về các phương pháp xử lý ảnh y tế và nhận thức đượ c vai trò quan tr ọng chúng ch ẩn đốn điều tr ị bệnh Tơi tìm hiểu về k ỹ thuật tiền xử lý ảnh, bao gồm làm ảnh, cân histogram, làm rõ cạnh, làm mịn ảnh Tôi khám phá kỹ thuật nâng cao phân đoạn ảnh trích xuất đặc trưng. Thứ hai, áp dụng k ỹ thuật vào ba lo ại ảnh y tế cụ thể: ảnh X-quang ngực, MRI bụng đùi Trong trườ ng hợ p ảnh X-quang ng ực, sử dụng phương pháp tiền xử lý để loại bỏ nhiễu làm rõ c ạnh củ a cấu trúc bên ngực Điều giúp chuyên gia y t ế phân tích nh ận bi ết vấn đề sức khỏe khối u, viêm phổi hay xương gãy cách xác hơn. Đối vớ i MRI bụng, tơi tìm hiểu về phương pháp phân đoạn ảnh để phát phân lo ại cấu trúc bên b ụng gan, túi mật, tử cung bu ồng tr ứng Sự chính xác độ tin cậy c vi ệc phân đoạn có th ể giúp vi ệc chẩn đoán điều tr ị các bệnh lý khu v ực bụng Cuối cùng, tơi tìm hiểu v ề x ử lý ảnh y tế trên MRI đùi, đặc bi ệt lĩnh vực nghiên cứu về thay thế cấu tái tạo mơ Các k ỹ thuật x ử lý ảnh có th ể đượ c áp dụng để giải vấn đề của vi ệc phát đánh giá tình trạng cấu xương, sụn mơ mềm đùi Điều có thể hỗ tr ợ trong q trình chẩn đốn chấn thương, theo dõi tiến trình hồi phục sau phẫu thuật đánh giá hiệu quả của liệu pháp tái tạo mơ Từ vi ệc tìm hiểu áp dụng k ỹ thu ật x ử lý ảnh y tế trên ảnh X-quang ng ực, MRI bụng đùi, nhận th r ằng k ỹ thuật đóng vai trị quan tr ọng cung cấ p thơng tin xác chi ti ết về tình tr ạng sức khỏe bệnh nhân Chúng giúp tăng độ chính xác q trình ch ẩn đốn, đồng thờ i cung cấ p sở hiểu bi ết tốt cho việc đưa định v ề điều tr ị 55 h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 Tuy nhiên, cần lưu ý k ỹ thuật x ử lý ảnh y tế khơng thể hồn tồn thay thế sự khám phá đánh giá chuyên gia y t ế Chúng chỉ là công cụ hỗ tr ợ yêu c ầu sự thơng thái s ự tinh chỉnh t ừ phía chun gia để đạt đượ c k ết qu ả tốt nh ất Ngoài ra, cần ti ế p t ục nghiên cứu phát tri ển k ỹ thu ật x ử lý ảnh y tế để cải thiện hi ệu suất độ chính xác Cần có sự phối hợ p chặt chẽ giữa cộng đồng y t ế cộng đồng nghiên cứu để áp dụng tiến bộ công ngh ệ vào thực tế và t ận dụng h ết tiềm chúng Tóm lại, việc tìm hiểu áp d ụng k ỹ thuật xử lý ảnh y tế trên ảnh X-quang ngực, MRI bụng đùi mang lại k ết quả đáng ý việc cải thiện trình ch ẩn đoán điều tr ị bệnh Sự phát triển tiế p tục c lĩnh vực có thể đóng góp quan tr ọng vào sự tiến bộ của y học tăng cườ ng chất lượng chăm sóc sức khỏe 56 h 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.C.33.44.55.54.78.655.43.22.2.4.55.2237.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.66 37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.55.77.77.99.44.45.67.22.55.77.C.37.99.44.45.67.22.99
Ngày đăng: 08/09/2023, 00:23
Xem thêm:
