Trích xuất đặc trưng não người dựa trên biến đổi contourlet

1 ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN Trần Anh Tuấn Đề tài : TRÍCH XUẤT ĐẶC TRƯNG NÃO NGƯỜI DỰA TRÊN BIẾN ĐỔI CONTOURLET LUẬN VĂN THẠC SĨ TOÁN HỌC Thành Phố Hồ Chí Minh 09-2009 2 ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN TRẦN ANH TUẤN TÊN ĐỀ TÀI LUẬN VĂN TRÍCH XUẤT ĐẶC TRƯNG NÃO NGƯỜI DỰA TRÊN BIẾN ĐỔI CONTOURLET Chuyên ngành: Đảm Bảo Toán Học Cho Máy Tính và Hệ Thống Tính Toán Mã số: 60.46.35 LUẬN VĂN THẠC SĨ TOÁN HỌC NGƯỜI HƯỚNG DẪN KHOA HỌC: TS. Trần Nam Dũng Thành phố Hồ Chí Minh - 2009 9 LỜI GIỚI THIỆU Ngày nay việc chuẩn đoán bệnh đóng một vai trò quan trọng trong quá trình điều trị bệnh cho các bệnh nhân. Việc chuẩn đoán bệnh càng chính xác bao nhiêu thì quá trình chữa bệnh càng dễ dàng và thuận lợi bấy nhiêu. Có rất nhiều kỹ thuật chụp ảnh các bộ phận cơ thể nhưng phổ biến nhất vẫn là kỹ thuật scanning CT. Qua đó các ảnh đầu ra là những ảnh có chất lượng rất cao và dung lượng cũng tương đối lớn. Tuy nhiên với khoảng 200 CT ảnh trong mỗi lần chụp và phải chụp nhiều lần để theo dõi bệnh tình thì dữ liệu ảnh chuẩn đoán sẽ trở nên khá lớn. Một bệnh viện với hàng ngàn bệnh nhân thì vấn đề lưu trữ chắc chắn sẽ càng trở nên khó khăn hơn nhiều. Do vậy bài toán về trích xuất các đặc trưng cần thiết để chuẩn đoán bệnh trước khi lưu trữ luôn được các bệnh viên quan tâm như là một giải pháp hữu hiệu. Trước yêu cầu thực tế đó và hiện cũng đang là một chương trình hợp tác khoa học của khoa Toán trường Đại Học Khoa Học Tự Nhiên với bệnh viện Chonnam Hàn Quốc. Bài toán “Trích xuất đặc trưng não người trong ảnh y khoa“ là một yêu cầu thực tế của bệnh viện đưa ra cho chúng tôi tìm các giải pháp thực hiện. Như được biết ảnh não người là ảnh chụp các thông tin về xương và mạch máu não mà trong đó thông tin về mạch máu não là cực kỳ quan trọng để chuẩn đoán các bệnh liên quan đến não. Có nhiều phương pháp để trích đặc trưng mạch máu não như phân ngưỡng ,hay K-mean, nhưng kết quả thực nghiệm cho thấy các phương pháp này chỉ cho kết quả tương đối. Bên cạnh việc thực nghiệm các phương pháp cơ bản, chúng tôi tiến hành áp dụng biến đổi Contourlet trên các ảnh y khoa. Và chúng tôi nhận thấy với biến đổi Contourlet không chỉ trích xuất được các thông tin mạch máu với thông tin các biên rõ ràng hơn so với phương pháp phân ngưỡng mà còn qua đó các thông tin mạch máu được xác định nhiều hơn. Trong luận văn chúng tôi sẽ tiếp cận cả hai phương pháp trích xuất bằng K-mean , với biến đổi Contourlet và sau đó là so sánh các kết quả thực nghiệm về kết quả thu được từ hai phương pháp. 3 MỤC LỤC Trang phụ bìa Mục lục Danh mục các hình vẽ LỜI GIỚI THIỆU Chương 1 – TỔNG QUAN 10 1.1. Các vấn đề về ảnh y khoa 10 1.1.1. Tổng quan về lợi ích của ảnh Y Khoa 10 1.1.2. Việc tổ chức lưu trữ ảnh Y Khoa 12 1.1.3. Việc phục hồi ảnh và chuẩn đoán bệnh 14 1.2. Ảnh Y Khoa Não Người 14 1.2.1. Giới thiệu các thành phần của ảnh khoa não người 14 1.2.2. Các bài toán liên quan đến ảnh y khoa não người 15 1.3. Các hướng giải quyết cho bài toán 16 Chương 2 – CƠ SỞ LÝ THUYẾT 17 2.1. Phương pháp Kmeans 17 2.1.1. Giới thiệu 17 2.1.2. Sơ đồ thuật toán 17 2.1.3. Áp dụng 19 2.1.4. Một số ứng dụng và hạn chế của thuật toán K-mean 22 2.2. Biến đổi Contourlet 23 2.2.1. Giới thiệu sơ lược về Contourlet 23 2.2.2. Mô hình xây dựng biến đổi Contourlet 25 2.2.2.1. Các tính chất của biến đổi Contourlet 26 2.2.2.2. Mô hình xây dựng 26 4 2.2.2.3. Laplace Pyramids - Multiscale Decompostion 27 2.2.2.4. Directional Filter Banks - Directional Decomposition 29 2.2.2.5. Multiscale and directional Decomposition ( Contourlet ) 2.2.3. Mô hình xây dựng biến đổi Contourlet cải tiến 35 2.2.3.1. Nonsubsampled Pyramids 35 2.2.3.2. Nonsubsampled Directional Filter Banks 37 2.2.3.3. Nonsubsampled Contourlet 38 Chương 3 – XÂY DỰNG THUẬT GIẢI 39 3.1. Tổng quan về các phương pháp áp dụng 39 3.1.1. Phân tích một số thuộc tính ảnh y khoa não người 39 3.1.2.Các bước tiến hành trích xuất đặc trưng não người dựa trên phương pháp gom nhóm Kmeans 41 3.1.3.Các bước tiến hành trích xuất đặc trưng não người dựa trên biến đổi Nonsubsampled Contourlet 42 3.2. Thuật toán trích xuất đặc trưng não người dựa trên Kmeans 44 3.2.1. Tiền xử lý 44 3.2.2. Gom nhóm và phân loại vùng 44 3.2.3. Phân loại xương và mạch máu 47 3.2.4. Xuất ảnh kết quả 50 3.3. Thuật toán trích xuất đặc trưng não người dựa trên biến đổi Nonsubsampled Contourlet 50 3.3.1. Xây dựng cấu trúc dữ liệu lưu trữ bộ ảnh CT não người 50 3.3.2. Xây dựng bộ hệ số trích xuất ảnh dựa trên biến đổi Nonsubsampled Contourlet 51 3.3.3. Lựa chọn và trích xuất đặc trưng mạch máu dựa trên mối quan hệ 2D và 3D mạch máu 54 3.3.4. Xuất ảnh kết quả 58 Chương 4 – KẾT LUẬN 59 4.1. Kết quả thực nghiệm trích xuất đặc trưng 59 5 4.1.1. Môi trường thực nghiệm 59 4.1.2. Phương pháp Phân ngưỡng 59 4.1.3. Phương pháp Contourlet 59 4.1.4. So sánh và đánh giá kết quả 60 4.2.Hướng Phát Triển 63 TÀI LIỆU THAM KHẢO 64 6 DANH MỤC CÁC HÌNH VẼ TRONG LUẬN VĂN Hình 1.1 Ảnh chụp CT các bộ phận trong cơ thể người 10 Hình 1.2 Máy CT Scanner 11 Hình 1.3 Chuẩn đoán bệnh dựa theo ảnh chụp CT 11 Hình 1.4 Lớp các ảnh CT chụp vùng đầu của người 12 Hình 1.5 Xây dựng ảnh 3D từ một dãy các ảnh CT chụp 12 Hình 1.6 Mô hình tổ chức lưu và xử lý ảnh y khoa 13 Hình 1.7 Ảnh y khoa chụp não người theo chiều ngang 14 Hình 1.8 Phần thịt , xương và mạch máu trong ảnh CT 15 Hình 1.9 Các dạng phức tạp của mạch máu người 16 Hình 2.1 Thuật toán gom nhóm K-mean 17 Hình 2.2 Sơ đồ thuật toán K-mean 18 Hình 2.3 Bước hội tụ của thuật toán K-mean 19 Hình 2.4 Các bước lặp của thuật toán K-mean (abcdef) 22 Hình 2.5 Sự phân rã hình tháp 24 Hình 2.6 So sánh khả năng lưu trữ thông tin biên của Contourlet với Wavelet 24 Hình 2.7 Mô hình cấu trúc của phép biến đổi Contourlet 25 Hình 2.8 Vẽ đường cong bằng Wavelet và nằng phương pháp tiếp cận mới 25 Hình 2.9 Bộ lọc Laplacian Pyramid và bộ lọc Directional Filter Bank 27 Hình 2.10 Ví dụ về phân tích ảnh dùng Laplacian Pyramids 28 Hình 2.11 Ví dụ về tổng hợp ảnh dùng Laplacian Pyramids 29 Hình 2.12 Bộ lọc tổng hợp tín hiệu 29 Hình 2.13 Mặt phẳng chia miền tần số theo các hướng 30 Hình 2.14 Two-channel quincunx filter bank 30 Hình 2.15 Phép toán Shearing ảnh 31 Hình 2.16 Cấu trúc cây của DFB chia ảnh làm các hướng 31 Hình 2.17 Biên ảnh khôi phục trơn hơn so với wavelet 32 Hình 2.18 : Mô hình chia 4 và 8 hướng dùng Contourlet 33 7 Hình 2.19 Cấu trúc phân tích hình cây của Contourlet 33 Hình 2.20 Ví dụ về biến đổi Contourlet 34 Hình 2.21 Bộ lọc nonsubsampled hai kênh 35 Hình 2.22 Nonsubsampled pyramid 36 Hình 2.23 Mặt phẳng miền tần số được phân tích 36 Hình 2.24 Nonsubsampled DFB 37 Hình 2.25 Đáp ứng tần số cỏa hai bộ lọc sau khi đã lấy mẫu lên 37 Hình 2.26 Vi dụ 4 hướng miền tần số 38 Hình 2.27 Nonsubsampled Contourlet 38 Hình 3.1 Cấu trúc xương và mạch máu 39 Hình 3.2 Vùng Nhiễu 40 Hình 3.3 Vùng mạch máu 40 Hình 3.4 Phân ngường mức xám 200 đến 255 41 Hình 3.5 Biến đổi Contourlet thông thường 43 Hình 3.6 Tiền Xử Lý 44 Hình 3.7 Phân biệt các vùng Xương , Thịt , Mạch máu trên ảnh 45 Hình 3.8 Ví dụ về gom nhóm K-mean 46 Hình 3.9 Phân biệt xương và mạch máu trong ảnh CT 47 Hình 3.10 Vì dụ vể công thức tính độ tròn của các vật thể 49 Hình 3.11 Tổng quan thật toán trích xuất dùng K-mean 49 Hình 3.12 Ảnh xuất kết quả 50 Hình 3.13 Tiền xử lý 51 Hình 3.14 Ảnh đầu vào 52 Hình 3.15 Hệ số mức 2 của Contourlet 53 Hình 3.16 Hệ số mức 3 của Contourlet 53 Hình 3.17 Hệ số mức 4 của Contourlet 54 Hình 3.18 Hệ số mức 2 được chọn để trích xuất đặc trưng 55 Hình 3.19 Trích xuất đối tượng nhỏ mức xám cao 56 Hình 3.20 Trích xuất đối tượng lớn mức xám vùng biên cao 56 Hình 3.21 Mô hình Cấu Trúc Dữ Liệu 2D 57 Hình 3.22 Mô hình Cấu Trúc Dữ Liệu 3D 58 8 Hình 3.23 Ảnh trích xuất kết quả 58 Hình 4.1 So sánh kết qủa giữa Ảnh gốc - Ảnh trích xuất bằng Contourlet 60 Hình 4.2 Số liệu trên 20 ảnh so sánh độ lệnh giữa hai phương pháp K-means và Contourlet 61 Hình 4.3 So sánh độ chính xác dựa trên tiêu chuẩn mạch máu theo đánh giá và số mạch máu được trích xuất………………………………………………………….63 10 Chương 1 – TỔNG QUAN 1.1 Các vấn đề về ảnh y khoa 1.1.1 Tổng quan về lợi ích của ảnh Y Khoa Ảnh y khoa là ảnh các dạng ảnh chụp về các bộ phận của con người như não , tim , xương , phổi v.v giúp cho việc chuẩn đoán bệnh và tìm ra các phương pháp điều trị bệnh Hình 1.1 Ảnh chụp CT các bộ phận trong cơ thể người Kỹ thuật chụp , lưu ảnh và chuẩn đoán bệnh hiện hay đều dưới dạng ảnh CT (hay còn gọi là Computed Tomography). CT Scan là một quá trình ghi nhận ảnh của bệnh nhân bằng cách kết hợp x-rays với các chức năng tạo ảnh nhiều tầng lớp theo chiều ngang và dọc. Trong CT Scanning , các tia X quang sẽ di chuyển theo quỹ đạo tròn quanh cơ thể. Nhờ vậy cho ta rất nhiều hướng quan sát khi chuẩn đoán bệnh. Các thông tin X quang đó sẽ được gửi cho máy tính phân tích dữ liệu và hiển thị nó dưới dạng ảnh hai chiều. Ngày nay có nhiều kỹ thuật hiện đại hơn được áp dụng để có thể hiển thị dưới dạng trực quan hơn là ba chiều. [...]... vai trò quan trọng trong chuẩn đoán bệnh Vì vậy chúng tôi áp dụng phép biến đổi Contourlet để có thể trích xuất các đối tượng mạch máu rõ ràng hơn so với các thuật toán phân ngưỡng thông thường Cũng phép biến đổi Contourlet chúng tôi thực hiện nén các ảnh dựa trên các đặc trưng vừa trích xuất được Hiệu xuất nén và phục hồi ảnh bằng contourlet cũng như wavelet nhưng các thông tin lưu trữ có tính chất... có tính chất đa hướng Do vậy khi phục hồi ảnh các đường biên được rõ nét hơn so với biến đổi wavelet Cuối cùng sẽ là những kết quả thực nghiệm để so sánh hiệu quả giữa trích xuất đặc trưng mạch máu não dựa trên phép biến đổi contourlet với phương pháp Kmeans, so sánh tỉ lệ nén và phục hồi giữa phép biến đổi wavelet và contourlet, 17 Chương 2 – CƠ SỞ LÝ THUYẾT 2.1 Phương pháp Kmeans 2.1.1 Giới thiệu Thuật... cho cấp thứ j của LP thì ảnh cơ sở của biến đổi Contourlet có kích thước là width  C 2 j và length  C 2 j l j  2 5 Dùng bộ lọc FIR đô phức tạp của thuật toán của phép biến đổi Contourlet sẽ là O(N) cho ảnh N pixel 35 2.2.3 Mô hình xây dựng biến đổi Contourlet cải tiến Biến đổi Contourlet như đã trình bày ở chương trước được coi là bước cải tiến so với biến đổi wavelet về mặt có thể phân tích và... = 0,1,2, , 2 - 1 Cũng giống như Wavelet , biến đổi Contourlet có một số tính chất đặc trưng sau : 1 Nếu cả LP và DFB dùng các bộ lọc mà có thể phục hồi ảnh tốt , thì biến đổi Contourlet cũng đạt được khả năng phục hồi tốt 2 Nếu cả LP và DFB dùng các bộ lọc trực giao nhau thì biến đổi contourlet rời rạc sẽ có một tight frame với frame bounds là 1 3 Biến dổi Contourlet có một tỉ lệ dư thừa nhỏ hơn 4/3... hay nội suy các mạch máu còn thiếu v.v 16 Hình 1.9 Các dạng phức tạp của mạch máu người 1.3 Các hướng giải quyết cho bài toán Bài toán nén ảnh y khoa dựa trên đặc trưng não người được chia làm các yêu cầu cụ thể sau : Trích xuất các thông tin về mạch máu não , lựa chọn phương pháp nén hiệu quả ảnh với các thông tin đặc trưng này , khôi phục lại ảnh gốc và mô hình hóa mạch máu giúp cho việc chuẩn đoán... pháp nén đã được đề xuất cho các ảnh y khoa dựa trên JPEG và DCT Tuy nhiên kết quả nén tốt nhất vẫn là sử dụng biến đổi wavelet DWT Biến đổi Wavelet rời rạc 2D là một phép biến đổi tối ưu trong việc trích xuất ra được các điểm không liên tục trên các cạnh theo trục ngang và dọc Trong biến đổi DWT, một tín hiệu được đi qua hai bộ lọc thông thấp và thông cao lần lượt dọc theo các trục x và y Sau quá... giải của wavelet Còn người áp dụng contourlet thì ngược lại tận dụng khai thác một cách hiệu quả tính trơn của biên bằng các nét vẽ với các hình dạng hình chữ nhật dẹp khác nhau và quay các hướng khác nhau là có thể hoàn thành công việc 2.2.2.1 Các tính chất của biến đổi Contourlet Biến đổi Contourlet có những thuộc tính riêng của nó Trong đó có những tính chất tương tự như biến đổi contourlet nhưng cũng... Contourlet được giới thiệu gần đây bởi Minh Do và Vetterli Đó là một biến đổi ảnh có tính chất hình học để biểu diễn ảnh mà trong đó các thông tin về ngữ cảnh và biên được bảo toàn Phép biến đổi contourlet có tính chất xấp xỉ tốt đối với các hàm 2D và xây dựng được một cấu trúc không gian rời rạc tốt giúp cho việc tính toán một cách hiệu quả Biến đổi là sự phân rã tín hiệu có hướng và đa phân dải dựa. .. chuẩn đánh giá bệnh và mô hình hóa lại các bộ phân cơ thể cũng là một vấn đề cần giải quyết 1.2 Ảnh Y Khoa Não Người 1.2.1 Giới thiệu các thành phần của ảnh y khoa não người Ảnh y khoa về não người gồm nhiều lớp chụp cắt lớp từ cuống họng cho đến đỉnh đầu của một bệnh nhân Hình 1.7 Ảnh y khoa chụp não người theo chiều ngang Các ảnh này có thứ tự và thể hiện được mối liên hệ giữa các mạch máu , xương và... hơn so với các phép biến đổi khác 5 Không đẳng hướng: Để có thể lấy được các biên trơn, sự biểu diễn chứa các yếu tố cơ bản dùng các cấu trúc hình học dẹp với các tỉ lệ khác nhau Nhận xét ta thấy ba tính chất đầu tiên đã có trong phép biến đổi wavelet trong khi hai tính chất còn lại thì cách tiếp cận mới contourlet đáp ứng tốt hơn rất nhiều 2.2.2.2 Mô hình xây dựng Xây dựng biến đổi contourlet cần một