(Luận văn thạc sĩ) nghiên cứu phương pháp phát hiện tự động polyp dựa trên lọc hessian, biến đổi hough và đặc trưng biên trong ảnh y học

BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM Họ tên tác giả: Phạm Văn Tứ NGHIÊN CỨU PHƯƠNG PHÁP PHÁT HIỆN TỰ ĐỘNG POLYP DỰA TRÊN LỌC HESSIAN, BIẾN ĐỔI HOUGH VÀ ĐẶC TRƯNG BIÊN TRONG ẢNH Y HỌC LUẬN VĂN THẠC SĨ NGÀNH MÁY TÍNH Hà Nội – 2021 BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM Họ tên tác giả: Phạm Văn Tứ NGHIÊN CỨU PHƯƠNG PHÁP PHÁT HIỆN TỰ ĐỘNG POLYP DỰA TRÊN LỌC HESSIAN, BIẾN ĐỔI HOUGH VÀ ĐẶC TRƯNG BIÊN TRONG ẢNH Y HỌC Chuyên ngành: Máy tính Mã số: 8480104 LUẬN VĂN THẠC SĨ NGÀNH MÁY TÍNH CÁN BỘ HƯỚNG DẪN KHOA HỌC Hướng dẫn 1: TS NGÔ TRƯỜNG GIANG Hướng dẫn 2: PGS.TS NGÔ QUỐC TẠO Hà Nội – 2021 LỜI CAM ĐOAN Tôi Phạm Văn Tứ, học viên khóa 2019B, ngành Máy tính, chun ngành Công nghệ thông tin Tôi xin cam đoan luận văn “Nghiên cứu phương pháp phát tự động Polyp dựa lọc Hessian, biến đổi Hough đặc trưng biên ảnh Y học” tơi nghiên cứu, tìm hiểu phát triển hướng dẫn TS Ngô Trường Giang PGS.TS Ngô Quốc Tạo, chép từ tài liệu, cơng trình nghiên cứu người khác mà không ghi rõ tài liệu tham khảo Tôi xin chịu trách nhiệm lời cam đoan Hà Nội, ngày tháng năm 2021 Tác giả Phạm Văn Tứ LỜI CẢM ƠN Để hoàn thành khóa luận tốt nghiệp với đề tài “Nghiên cứu phương pháp phát tự động Polyp dựa lọc Hessian, biến đổi Hough đặc trưng biên ảnh Y học”, bên cạnh cố gắng nỗ lực không ngừng thân, tơi xin bày tỏ lịng biết ơn chân thành đến: Các thầy cô Học viện khoa học Công nghệ Việt Nam, Viện Công nghệ thông tin, Viện Hàn lâm Khoa học Công nghệ Việt Nam nói chung thầy môn Hệ thống thông tin khoa Công nghệ thơng tin nói riêng giảng dạy truyền đạt kiến thức quý báu suốt khoá cao học vừa qua, giúp tơi có kiến thức chun mơn tảng để làm sở lý luận khoa học cho luận văn Đặc biệt xin chân thành cảm ơn thầy TS Ngô Trường Giang PGS.TS Ngô Quốc Tạo dìu dắt hướng dẫn tơi suốt trình làm luận văn, bảo định hướng thầy giúp tự tin nghiên cứu vấn đề giải toán cách khoa học Tôi xin trân trọng cảm ơn Ban giám hiệu Học viện khoa học công nghệ Việt Nam - Viện Hàn lâm khoa học công nghệ Việt Nam tạo điều kiện cho học tập làm luận văn cách thuận lợi Luận văn hỗ trợ đề tài CS21.04 Viện Công nghệ thông tin (IOIT), Viện Hàn lâm Khoa học Công nghệ Việt Nam (VAST), Hà Nội, Việt Nam Tuy nhiên, kiến thức chun mơn cịn nhiều hạn chế với việc thân chưa có nhiều kinh nghiệm nên luận văn không khỏi thiếu sót Kính mong nhận góp ý bảo quý thầy cô người Hà Nội, ngày tháng năm 2021 Tác giả Phạm Văn Tứ MỤC LỤC DANH MỤC KÝ HIỆU VÀ CÁC CHỮ VIẾT TẮT DANH MỤC HÌNH VẼ MỞ ĐẦU Tính cấp thiết đề tài Mục tiêu luận văn Cấu trúc luận văn CHƯƠNG GIỚI THIỆU VỀ ẢNH, ẢNH TRONG Y HỌC, PHÁT HIỆN ĐỐI TƯỢNG TRONG ẢNH 1.1 Giới thiệu ảnh, khái niệm xử lý ảnh 1.1.1 Điểm ảnh, Ảnh số 1.1.2 Mức xám 1.1.3 Biểu đồ xám (Histogram), Cân sáng (histogram equalization) 1.1.4 Phóng đại ảnh (Scale ảnh) 1.1.5 Làm mờ ảnh (blur) 1.1.6 Gradient (độ dốc) 11 1.1.7 Biên 11 1.2 Ảnh y học 16 1.2.1 Giới thiệu .16 1.2.2 Chẩn đoán dựa hình ảnh .17 1.2.3 Các chuẩn hình ảnh ứng dụng y tế 18 1.2.4 Polyp 19 1.3 Phát đối tượng (object detection) ảnh 20 1.4 Non Maximum Suppression .21 1.5 Kết luận chương .23 CHƯƠNG PHƯƠNG PHÁP PHÁT HIỆN TỰ ĐỘNG POLYP DỰA TRÊN LỌC HESSIAN, BIẾN ĐỔI HOUGH VÀ ĐẶC TRƯNG BIÊN 24 2.1 Phương pháp trích đặc trưng HOG (Histogram of oriented gradients) 24 2.2 Phương pháp lọc Hessian 29 2.3 Phương pháp biến đổi Hough 32 2.4 Phân loại dựa phương pháp SVM 36 2.5 Đánh giá mơ hình phân lớp 40 2.6 Overfitting Underfitting .41 2.7 Kết luận chương .42 CHƯƠNG ỨNG DỤNG VÀ THỬ NGHIỆM VỚI ẢNH ĐẠI TRÀNG 43 3.1 Giới thiệu toán 43 3.2 Mô tả liệu thử nghiệm 43 3.3 Xây dựng chương trình thử nghiệm 44 3.4 Đánh giá kỹ thuật 47 3.5 Kết luận 48 TÀI LIỆU THAM KHẢO 49 DANH MỤC KÝ HIỆU VÀ CÁC CHỮ VIẾT TẮT Từ viết tắt NBF CIE-Lab Từ chuẩn Diễn giải Normalized Box Filter Lọc trung bình Commission Internationale de Hệ màu – CIE l’Eclairage CT Computed Tomography Siêu âm, chụp cắt lớp vi tính MRI Magnetic Resonance Imagin Chụp cộng hưởng từ KTV Kỹ thuật viên Kỹ thuật viên Công nghệ thông tin Công nghệ thông tin Picture Archiving and Hệ thống lưu trữ, xử lý truyền Communication System ảnh động, mạng xử lý CNTT PACS DICOM CNN Digital Imaging and Communications in Medicine Convolutional Neural Network Regions with Convolutional R-CNNs Neural Network Truyền ảnh số hố Mạng nơ-ron phức hợp Họ mơ hình object detection dựa Convolutional Neural Network Non-Maximum Suppression NMS Thuật toán để loại bỏ bounding box dư thừa đối tượng tượng ảnh Intersection over Union IoU Là thông số sử dụng để đánh giá độ che lấp lên bounding boxes HT Hough Transform CTH Circle Hough Transform Biến đổi Hough Biến đổi Hough cho hình trịn EHT ML CVPR HOG SVM Ellipse Hough Transform Biến đổi Hough cho hình elip Machine Learning Học máy, máy có khả học tập Computer Vision and Pattern Hội nghị hàng đầu Thị Giác Recognition Máy tính Histogram of oriented gradients Biểu đồ hướng gradient Vector Support Machine Máy vector hỗ trợ DANH MỤC HÌNH VẼ Hình 1.1 Ví dụ Histogram ảnh Hình Hình Hình Hình Hình 1.2 Kết phát biên sử dụng toán tử khác 15 1.3 Các chuẩn truyền ảnh mạng 18 1.4 Ví dụ Polyp 19 1.5 Ví dụ Object Detection 20 2.1 Các bước xây dựng mơ hình phát đối tượng với HOG SVM 24 Hình 2.2 Chia ảnh thành khối, ô 26 Hình 2.3 Rời rạc hóa độ lớn vào bin tương ứng 27 Hình 2.4 Biểu đồ Histogram of Gradient gồm bins tương ứng với ô vuông lưới ô vuông 27 Hình 2.5 Biểu diễn nhóm véc tơ histogram lưới vng hình ảnh gốc Các phương véc tơ phổ biến chiều dọc trùng với chiều ảnh Hình 2.6 Ảnh gốc(bên trái) ảnh lọc low-pass(bên phải) Hình 2.7 Ảnh gốc (bên trái) ảnh tăng cường(bên phải) Hình 2.8 Ảnh phân đoạn Hình 2.9 Vùng ứng cử viên polyp 29 30 31 31 32 Hình Hình Hình Hình Hình 2.10 Minh họa biến đổi Hough cho hình trịn 2.11 Sự xác định trục elip 2.12 Ví dụ liệu SVM 2.13 So sánh lề(margin) 2.14 Ví dụ kết thuật tốn SVM (hình bên trái lề cứng hình bên 33 36 37 39 phải lề mềm) Hình 2.15 Một số ví dụ lõi SVM Hình 3.1 Dự đốn polyp hình ảnh nội soi đại tràng Hình 3.2 Ví dụ cấu trúc thư mục tập liệu ảnh nội soi đại tràng Hình 3.3 Mơ hình phát đối tượng ảnh 39 40 43 44 44 Hình 3.4 Các bước huấn luyện Hình 3.5 Các bước phát polyp ảnh đầu vào Hình 3.6 Kết dự đoán thực nghiệm polyp ảnh nội soi đại tràng 45 46 47