1. Trang chủ
  2. » Luận Văn - Báo Cáo

Phát triển một số phương pháp phân tích tế bào máu và ứng dụng

75 606 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 75
Dung lượng 5,45 MB

Nội dung

MỤC LỤC  LỜI CẢM ƠN 3 Chương 1. Giới thiệu 8 1.1 Giới thiệu chung 8 1.2 Hệ thống xét nghiệm tự động 10 1.3 Mục tiêu và đóng góp của Luận văn 12 1.4 Cấu trúc luận văn 13 Chương 2. Sơ lược về bệnh Sốt rét 14 2.1 Ký sinh trùng sốt rét 14 2.2 Cách chuẩn bị lam máu 15 2.3 So sách với phương pháp xét nghiệm khác 17 2.4 Đặc điểm hình ảnh tế bào 18 Chương 3. Công trình Nghiên cứu liên quan 21 3.1 Các phương pháp phân tách tế bào 21 3.2 Các phương pháp phát hiện và phân loại ký sinh trùng 23 3.3 Nhận xét và đánh giá các hướng tiếp cận 24 Chương 4. Bài toán và Hướng tiếp cận 26 4.1 Đặt vấn đề 26 4.2 Bài toán phân tách tế bào 27 4.2.1 Phương pháp toán học hình thái 27 4.2.2 Phương pháp đường phân nước 29 4.2.3 Phương pháp khảo sát đường biên 30 4.2.4 Phương pháp phân tách dựa vào mô hình 32 4.2.5 Phương pháp đề nghị 35 4.3 Bài toán phát hiện ký sinh trùng 38 Chương 5. Hệ thống Phân tích Tự động Hình ảnh Mẫu máu 42 5.1 Mô hình xử lý 42 5.2 Tiền xử lý 44 5.3 Phân tách thô 45 5.4 Ước lượng kích thước tế bào 47 5.4.1 Lọc nhiễu và lấp lỗ trống 48 5.4.2 Biến đổi không gian khoảng cách 49 5.4.3 Gán nhãn các vùng đối tượng 50 5.5 Phân tách tế bào 50 Chương 6. Thí nghiệm và Thảo luận 54 6.1 Xây dựng thí nhiệm 54 6.2 Kết quả thí nghiệm 56 6.3 Thảo luận và đánh giá kết quả 63 Chương 7. Kết luận 65 7.1 Tóm tắt kết quả đạt được 65 7.2 Hướng phát triển 66 Tài liệu tham khảo 67 Phụ lục A 73 Phụ lục B 76 6 DANH MỤC HÌNH Hình 1-1 Bản đồ ước lượng ca nhiễm sốt rét trên mỗi 1000 dân số, năm 2006 [1] 8 Hình 1-2 Hệ thống xét nghiệm tự động 11 Hình 2-1 Hình ảnh các chủng loại và các giai đoạn phát triển ký sinh trùng 15 Hình 2-2 Một số mẫu đối tượng được nhuộm trong thực tế 16 Hình 2-3. Lam máu, giọt dày (trái), giọt mỏng (phải) 17 Hình 2-4. Artefact - các thành phần gây nhiễu 18 Hình 2-5. Các tông màu khác nhau xuất hiện trong hình ảnh mẫu máu 19 Hình 2-6. Đa dạng hình dạng tế bào h ồng cầu 20 Hình 2-7. Các tế bào hồng cầu nằm chồng nhau (dính nhau) 20 Hình 4-1. Hình ảnh so sánh đặc điểm tế bào bạch cầu và hồng câu 27 Hình 4-2. Quá trình sử dụng phép mở hình thái để tách tế bào 28 Hình 4-3. Quá trình tạo đường phân nước 29 Hình 4-4. Quá trình bộ trợ phương pháp đường phân nước 30 Hình 4-5. Quá trình phân tách bằng phương pháp phân tích đường biên 31 Hình 4-6. Các bước trong thuật toán khảo sát đường biên 31 Hình 4-7. Phân tách tế bào bằng phương pháp phân tích đường biên 32 Hình 4-8. Cách biểu diễn tế bào theo 16 điểm đường biên 33 Hình 4-9. Kết quả thực hiện theo phương pháp Kyoung-Mi Lee 33 Hình 4-10. Kết quả thực hiện theo phương pháp Gloria Diaz 34 Hình 4-11. So sánh hình ảnh gốc và hình ảnh biến đổi theo không gian khoảng cách 36 Hình 4-12. Cấu tạo đối tượng tế bào hình thành nhiều điểm có khả năng là trung tâm điểm 36 Hình 4-13. So sánh tương quan hình ảnh gốc và hình ảnh biến đổi 37 Hình 4-14. Kết quả phân ngưỡng bằng SVM trên tập mẫu huấn luy ện 40 Hình 5-1. Mô hình xử lý hình ảnh 43 Hình 5-2. Kết quả chuẩn hóa màu 44 Hình 5-3. Khảo sát histogram và kết quả phân ngưỡng tự động 46 Hình 5-4. Khử nhiễu và lấp lỗ trống 48 Hình 5-5. Biến đổi hình ảnh theo không gian khoảng cách 49 Hình 5-6. Độ bao phủ trên các vùng đối tượng 52 Hình 5-7. Bước chọn lựa và phân tách được thực hiện tuần tự. 52 Hình 5-8. Vùng đối tượng được sau khi thực hiện phân tách 52 Hình 5-9. Kết quả đánh dấ u các vùng phân tách trên hình ảnh gốc 53 Hình 5-10. Kết quả sau khi thực hiện bước tái tạo nâng cao 53 Hình 6-1. Cách so sánh kết quả với ground-truth 56 Hình 6-2. Một số ảnh kết quả trong tập hình ảnh thí nghiệm 62 Hình 6-3. Hình ảnh kết quả 1 63 Hình 6-4. Hình ảnh kết quả 2 64 7 DANH MỤC BẢNG Bảng 6-1. Hiệu suất của ph/pháp phân tách tế bào - tập ảnh của PTN Singapore 57 Bảng 6-2. Hiệu suất của ph/pháp phân tách tế bào - tập ảnh của Ross [15] 57 Bảng 6-3. Hiệu suất của ph/pháp phân tách tế bào - tập ảnh của Thư viện CDC 58 Bảng 6-4. Hiệu suất của ph/pháp phân tách tế bào - tập ảnh của BV Nhiệt đới HCM 59 Bảng 6-5. So sánh ph/pháp phân tách tế bào của Boray Tek [7] 60 Bảng 6-6. Hiệu suất ph/pháp phân tách tế bào của Kumar [19] 60 B ảng 6-7. Đánh giá độ sai lệnh ph/pháp phân tách tế bào của Gloria Diaz [9] [10] 60 Bảng 6-8. So sánh hiệu suất phát hiện tế bào nhiễm ký sinh trùng 61 8 Chương 1. Giới thiệu Nội dung của chương này giới thiệu về bệnh sốt két, các khó khăn trong việc xét nghiệm ký sinh trùng, sự cần thiết và khả thi xây dựng một hệ thống xét nghiệm tự động, đồng thời trình bày mục tiêu, đóng góp và tóm tắt của đề tài. 1.1 Giới thiệu chung Sốt rét (Malaria) là một bệnh truyền nhiễm nguy hiểm gây ra bởi ký sinh trùng trong máu có tên khoa học là Plasmodium. Theo Tổ chứ Y tế Thế giới (WHO), có khoảng từ 247 triệu ca nhiễm bệnh trong số 3.3 tỉ người có khả năng nhiễm bệnh (nằm trong vùng bệnh) trong năm 2006, trong số này có gần một triệu ca tử vong, đa số là trẻ em dưới 5 tuổi. Thống kê năm 2008, vẫn còn 109 nước là nơi có khả năng nhiễm bệnh, trong đ ó 45 nước thuộc Châu Phi. [1] Hình 1-1 Bản đồ ước lượng ca nhiễm sốt rét trên mỗi 1000 dân số, năm 2006 [1] Việt Nam là nước nằm trong vùng có nguy cơ bị sốt rét khá cao. Theo số liệu thống kê, năm 2007 toàn quốc có 70.910 ca nhiễm sốt rét, trong đó có 20 người chết và 01 vụ dịch sốt rét cấp [2]. Các địa phương điểm nóng của bệnh sốt rét: các tỉnh miền Đông Nam Bộ như Bình Phước, 9 Đồng Nai, Tây Ninh, Kiên Giang, Đồng Tháp; các tỉnh Tây Nguyên: Đắc Lắc, Gia Lai; và các tỉnh duyên hải miền Trung: Phú Yên, Ninh Thuận. Trên cơ sở các báo cáo cho thấy bệnh sốt rét vẫn còn tiềm tàng, diễn biến phức tạp, và nguy cơ sốt rét quay trở lại còn rất lớn [2] . Do vậy, để kiểm soát bền vững được bệnh sốt rét, chúng ta cần phải duy trì các biện pháp phòng tránh đồng thời phải nâng cao khả năng xét nghiệm nhanh chóng, chính xác và điều trị bệnh cách kịp thời, cũng như giảm chi phí đến mức thấp nhất. Hiện nay, tuy đã có phát triển thêm những kỹ thuật mới trong việc xét nghiệm và phát hiện bệnh sốt rét 1 , nhưng xét nghiệm bằng kính hiển vi [3] vẫn được xem là cách thức xét nghiệm phổ biến được thực hiện tại hầu hết các phòng xét nghiệm, với chi phí trang thiết bị cũng nhưng chi phí đào tạo chuyên viên xét nghiệm không cao. Tuy nhiên, phương pháp xét nghiệm bằng cách quan sát “thủ công” qua kính hiển vi mất nhiều thời gian và quá trình xét nghiệm thường phải lặp đi lặp lại nhiều lần gây mệt mỏi cho người chuyên viên. Nếu số lượng bệnh nhân đột biến, số lượng mẫu phẩm cần phải xét nghiệm tăng, người chuyên viên xét nghiệm sẽ khó đáp ứng được yêu cầu của bác sĩ. Ngoài ra, với phương pháp mang tính chất chủ quan, phụ thuộc nhiều vào yếu tố con người, sẽ dẫn đến các sai lệch, nhầm lẫn, và kết quả không nhất quán, đặc biệt khi xét nghiệm được thực hiện những chuyên viên có ít kinh nghiệm, ở những vùng nghèo khó – nơi có khả năng nhiễm bệnh cao [4] . Việc xét nghiệm và phát hiện bệnh sốt rét bằng kính hiển vi yêu cầu 4 tác vụ chính như sau: 1. Xác định sự có mặt của ký sinh trùng sốt rét trong mẫu máu. 2. Xác định số lượng và tỉ lệ tế bào nhiễm ký sinh trùng và hồng cầu khỏe mạnh. 3. Nhận dạng loại ký sinh trùng nhiễm bệnh. 4. Nhận dạng thời kỳ phát triển trong vòng đời của ký sinh trùng nhiễm bệnh. Tác vụ đầ u tiên, việc phát hiện ký sinh trùng (1) là nhiệm vụ quan trọng nhất nhằm xác định sự nhiễm, nghĩa là mẫu thử dương tính hay âm tính. Trong khi đó, để đánh giá 1 http://en.wikipedia.org/wiki/Malaria 10 mức độ nhiễm bệnh cần thực hiện các bước bao gồm: (2) xác định số lượng và tỉ lệ , (3) loại ký sinh trùng và (4) thời kỳ phát triển của chúng. Đây cũng là những thông tin cần thiết cho cho bác sĩ trong việc điều trị bệnh hợp lý và hiệu quả. Do vậy, một hệ thống hỗ trợ bán tự động hay tự động thực hiện tác vụ xét nghiệm và xác định m ức nhiễm bệnh một cách khách quan (không có sự can thiệp của con người), có độ chính xác cao, nhanh chóng và đáng tin cậy là điều cần thiết. Với sự phát triển của máy tính cũng như những tiến bộ trong ngành nghiên cứu thị giác máy tính và phân tích hình ảnh, thì một hệ thống như vậy là khả thi. 1.2 Hệ thống xét nghiệm tự động Hệ thống xét nghiệm tự động được thiết kế dựa trên nguyên lý: 1. Từ những hiểu biết, cách thức quan sát và phát hiện bệnh sốt rét với phương pháp sử dụng kính hiển vi trên thực tế của các chuyên viên, 2. Sau đó, được biểu diễn lại bằng những quá trình xử lý đặc biệt trên máy tính như xử lý ảnh (image processing), phân tích hỉnh ảnh (image analysis) và phát hiện mẫu (pattern recognition). Đố i với góc nhìn của việc xét nghiệm trên thực tế sử dụng kính hiển vi, người chuyên viên sẽ thực hiện thao tác cách quan sát mẫu máu. Toàn bộ quá trình thực hiện yêu cầu khả năng phân biệt các thành phần như tế bào hồng cầu, tế bào bạch cầu, tiểu cầu và các artifact, cùng với các tế bào nhiễm ký sinh trùng sốt rét thông qua việc xử lý các thông tin quan sát được như màu sắc, kích thước, cấu trúc và thông tin tổng hợp ở mức ngữ nghĩa cao hơn. Nếu mẫu máu được xác định là dương tính (có sự lây nhiễm của ký sinh trùng – tồn tại ký sinh trùng trong mẫu máu) quá trình tiếp theo là xác định loại ký sinh trùng và giai đoạn phát triển của chúng để xác định rõ hơn về mức độ lây nhiễm. Đối với góc nhìn của phương pháp thị giác máy tính, việc xét nghiệm ký sinh trùng được chia thành nhiều bài toán nhỏ. Cũng giống như trên thực tế, một hệ thống hoàn chỉnh phải đượ c cài đặt đầy đủ các chức năng: ghi nhận ảnh (từ camera – máy chụp hình), tiền xử lý (lọc bỏ các thông tin nhiễu và chuẩn hóa thông tin), phân hoạch vùng (đánh dấu các vùng đối tượng quan tâm) và cuối cùng là phần nhận dạng – phân loại 11 các đối tượng quan tâm. Ngoài ra, hệ thống đầy đủ còn cần thêm một số chức năng phần cứng như điều kiển bàn quan sát của kính hiển vi (microscopy stage), chức năng canh nét nhanh, và ghi nhận hình ảnh tự động. Hình 1-1 là minh họa môt hệ thống thực tế được sử dụng tại phòng thí nghiệm ở Institute of Inforcomm Research, A*STAR, Singapore. Hình 1-2 Hệ thống xét nghiệm tự động Hệ thống bao gồm: (1) kính hiển vi có khả năng phóng đại 10x, 20x, 40x, 100x của hãng Olympus, với hệ thống chiếu sáng bằng đèn cao áp từ bên dưới xuyên qua phiến kính chứa mẫu vật, rồi đưa hình ảnh lên ống ngắm. Trên kính hiển vi lắp đặt bàn đặt mẫu vật được điều khiển bằng động cơ có khả năng di chuyển 3 chiều (2 chiều n ằm ngang và một chiều đứng) với khoảng chính xác đến micromet. Người dùng có thể thao tác bằng tay trên bộ điều khiển hoặc thông qua máy tính bằng phần mềm được cung cấp. (2) một máy chụp ảnh liên tục/từng ảnh với độ phân giải 1024x1280 điểm ảnh, thực hiện công tác ghi ảnh và truyền vào máy tính để xử lý. (3) Và một máy tính để lưu trữ, xử lý các thông tin hỉnh ảnh được truyền từ máy chụ p ảnh và hiển thị hình ảnh cũng như các kết quả phân tích được. Hệ thống như trên còn có những lợi ích khác: 1. Chuyên viên hoàn toàn có thể điều khiển kính hiển vi một cách dễ dàng và khoảng cách chính xác thông qua bảng điều khiển hoặc phần mềm trên máy tính. 12 2. Giúp người quan sát thuận tiện hơn với hình ảnh được hiện thị trước-mặt-trên màn hình máy tính (thay vì phải nhìn vào ống ngắm của kính hiển vi) 3. Lưu trữ hình ảnh vào kho dữ liệu để tiện việc sử dụng sau này như tra cứu các hình ảnh liên quan, và cơ sở tài liệu phục vụ học tập nghiên cứu. 1.3 Mục tiêu và đóng góp của Luận văn Trong luận văn này, tôi đã tìm hiểu các công trình nghiên cứu liên quan, thực nghiệm và áp dụng các phương thức được cập nhật trong ngành thị giác máy tính để giải quyết các tác vụ cần thiết trong việc xét nghiệm, như thuật toán phân ngưỡng tự động, các thao tác toán học theo hình thái học (morphology), và bộ phân loại (classifier) để xác định tế bào nhiễm ký sinh trùng. Đóng góp chính trong luận văn là tập trung vào bài toán phân hoạch tế bào – phân tách các tế bào dính chùm – dựa vào thông tin kích thước của hình ảnh biến đổi theo kho ảng cách Euclit và áp dụng độ đo, được gọi là độ phủ của điểm trung tâm, trong việc tính độ ưu tiên khi chọn lựa tâm điểm của tế bào. Phương pháp này kết hợp ý tưởng ‘cách con người được huấn luyện quan sát và phát hiện tế bào’ với việc tận dụng tối đa thông tin hình dạng và kích thước có được từ hình ảnh. Ngoài ra, phương pháp còn nâng cao độ chính xác và đạt được khả năng phân tách các tế bào h ồng cầu trong trường hợp phức tạp – trường hợp các tế bào nằm chồng (overlapping) hay còn gọi là tế bào dính chùm với nhau (clumping), đồng thời tối ưu hóa các bước xử lý để nâng cao hiệu suất thực hiện. Với kỳ vọng ‘kết quả tốt của bước phân hoạch đối tượng sẽ tạo điều kiện cho bước phân loại và nhận dạng đối tượng đạt kế t quả tốt hơn’. Các bước thực hiện của luận văn: - Khảo sát các công trình nghiên cứu trên thế giới liên quan đến các bài toán xét nghiệm tự động bệnh sốt rét dựa vào hình ảnh mẫu máu. - Đề nghị một phương pháp mới để nâng cao hiệu quả việc phân tách đối tượng tế bào (hồng cầu) trên hình ảnh mẫu máu. - Xây dựng phương pháp phát hiện tế bào nhiễm ký sinh trùng dựa trên các đặ c trưng và áp dụng SVM để xác định hàm phân ngưỡng. 13 - Thiết kế mô hình hệ thống thực hiện các tác vụ phân tích hình ảnh mẫu máu. - Thực hiện các thí nghiệm để xác định hiệu xuất của phương pháp đã đề nghị. Đây cũng được xem là một công cụ cơ bản hoàn chỉnh có thể hỗ trợ việc phân tích hình ảnh mẫu máu trong phòng xét nghiệm. - Thu thập hình ảnh làm tư liệu giúp ích cho việc nghiên cứu hình ảnh về bệnh số t rét. 1.4 Cấu trúc luận văn Luận văn được tổ chức thành 7 chương. Nội dung Chương 2 trình bày về những kiến thức cơ sở về bệnh sốt rét để cho thấy sự tương quan, thích hợp và cần thiết của việc áp dụng máy tính vào xử lý hình ảnh y khoa. Để giải quyết các bài toán phân tích hình ảnh tế bào, nhiều công trình nghiên cứu đã được thực hiện với phương pháp và hướng tiếp cận đa dạng, được trình bày trong chương 3. Ở chương 4, nội dung đi sâu vào phân tích các hướng tiếp cận hiện nay và sau đó đề nghị hướng tiếp cận khác để giải quyết hai bài toán: phân tách tế bào cũng và phát hiện tế bào có nhiễm kí sinh trùng. Tiếp theo, để thực hiện thí nghiệm thuật toán đã đề ra, mô hình các bước xử lý từ hình ảnh đầu vào đến kết quả cuối cùng được trình bày chi tiết trong chương 5. Các bước chuẩn bị dữ liệu, các độ đo đánh giá, và kết quả thí nghiệm được trình bày và thảo luận trong chương 6. Cuối cùng, chương 7 trình bày tóm tắt lại các kết quả đạt được của luận văn và đưa ra những hướng nghiên cứu tiếp theo. [...]... của Halim [16] và MinhTam-Le [17] được sử dụng để phát hiện và phân biệt tế bào hồng cầu khỏe mạnh và tế bào nhiễm bệnh Các phương pháp phân tích hình ảnh cũng như phân tính mẫu máu ở thực tế đều bắt đầu từ việc phân biệt kí sinh trùng trong các đối tượng có nhuộm màu với tế bào bạch cầu, tiểu cầu và artefact, rồi sau đó mới tiến hành phân loại các loại ký sinh trùng cũng như thời kì phát triển của chúng... mức xám Sau đó, sử dụng thuật toán đường phân thủy và thông tin độ dốc màu sắc để phân tách các tế bào dính nhau Kumar [28] đã sử dụng phép phân tách đường biên tế bào bằng cách sử dụng phép tính năng lượng Teager Phương pháp này được dùng để phân tách các tế bào bạch cầu trong mẫu máu Theera-Umpon [29] đề nghị một kỹ thuật phân tách tế bào dựa trên thuật toán fuzzy CMean (FCM) và các phép toán hình... luyện và tìm ra hàm phân ngưỡng Tuy nhiên, với đặc trưng đơn giản, phương pháp chỉ đáp ứng nhu đầu phát hiện được tế bào có nhiễm ký sinh trùng, chưa thực hiện chức năng phân loại ký sinh trùng 26 Chương 4 Bài toán và Hướng tiếp cận Nội dung của chương này trình bày, phân tích và đánh giá các hướng tiếp cận của hai bài toán: phân tách tế bào và phát hiện tế bào nhiễm ký sinh trùng Thông qua phân tích. .. lắp lên nhau, thì các phương pháp phân tách chưa đạt hiệu quả cao Để phân tách được tế bào nằm chồng nhau có những hướng tiếp cận được đề nghị như sau: 1 2 3 4 Phương pháp toán học hình thái Phương pháp đường phân nước Phương pháp hình học – khảo sát đường biên Phương pháp phân tách dựa vào mô hình Hình 4-1 Hình ảnh so sánh đặc điểm tế bào bạch cầu và hồng câu Trong hình có 3 tế bào bạch cầu, chúng có... (representation) và mô tả (description) tập hình ảnh 33 tế bào mẫu từ thành một mô hình tế bào có khả năng lưu trữ thông tin hình dạng của tế bào, ví dụ như theo kích thước và đường viền tế bào Kyoung-Mi Lee đã đề nghị phương pháp mô hình hóa tế bào như sau: 1 Cách mô hình hóa: Với mỗi tế bào trong tập mẫu sẽ rút ra 16 khoảng cách tương ứng với 16 khoảng cách từ tâm tế bào đến 16 điểm trên đường biên của tế bào. .. cũng là một phương pháp được áp dụng để phân loại các điểm ảnh của tế bào bạch cầu Bằng phương pháp phân ngưỡng để thu được đường biên dạng tròn của tế bào, từ đó xác định chính xác vị trí của tế bào Liao [30] cố gắng định vị tế bào bằng cách thức xác định hình dạng, tuy nhiên, cách thức chỉ đúng với những trường hợp đường biên của tế bào có dạng tròn 23 Jiang [31] đưa ra một cách phân tách dựa vào bộ... biên của tế bào Thuật giải là chỉ áp dụng để phân tách các dạng tế bào đơn lẻ như tế bào bạch cầu Leyza phát triển tiếp công trình của Ongun, sử dụng các phép toán hình thái học và khảo sát tính chất không gian kích thước để tăng mức độ chính xác của thuật toán phân tách tế bào Ritter [33] giới thiệu một cách thức xác định đường biên các đối tượng sau đó sẽ thực hiện phân tách tế bào theo vùng sử dụng. .. (a) và (b); (2) phương pháp này thích hợp với các đối tượng phân tách dạng dây, với đối tượng dạng cụm kết quả phân tách sẽ bị mất mát thông tin, xem Hình 4-7 (c) và (d) (a) (b) (d) (c) Hình 4-7 Phân tách tế bào bằng phương pháp phân tích đường biên (a) Kết quả phương pháp phân tích đường biên 2 thành phần (b) Kết quả mong đợi của hình a) 4 thành phần (c) đối tượng phân tách dạng dây (d) đối tượng phân. .. (flooding) Trở ngại của phương pháp này là việc xác định điểm mấu chốt (seed) là dựa vào thông tin màu sắc – một yếu tố có độ biến động cao 3.2 Các phương pháp phát hiện và phân loại ký sinh trùng Không có nhiều công trình nghiên cứu về cách thức phát hiện và phân loại tế bào nhiễm ký sinh trùng Ba công trình của Tek [7], Ross [15], Di Ruberto [12] mô tả các phương pháp về phân loại tế bào nhiễm ký sinh... ký sinh trùng sốt rét trên máy tính hiện nay, tất cả đều sử dụng hình ảnh ghi nhận từ lam máu giọt mỏng làm đối tượng nghiên cứu vì chúng chứa nhiều thông tin để khai thác và phân tích hơn so với hình ảnh ghi nhận từ lam máu giọt dày Các hình ảnh tế bào và ký sinh trùng trong Hình 2-2 đều được chụp từ giọt mỏng của lam máu 2.3 So sách với phương pháp xét nghiệm khác Phương pháp phân tích và xét nghiệm . Halim [16] và MinhTam-Le [17] được sử dụng để phát hiện và phân biệt tế bào hồng cầu khỏe mạnh và tế bào nhiễm bệnh. Các phương pháp phân tích hình ảnh cũng như phân tính mẫu máu ở thực tế đều. sốt rét dựa vào hình ảnh mẫu máu. - Đề nghị một phương pháp mới để nâng cao hiệu quả việc phân tách đối tượng tế bào (hồng cầu) trên hình ảnh mẫu máu. - Xây dựng phương pháp phát hiện tế bào. một phương pháp được áp dụng để phân loại các điểm ảnh của tế bào bạch cầu. Bằng phương pháp phân ngưỡng để thu được đường biên dạng tròn của tế bào, từ đ ó xác định chính xác vị trí của tế bào.

Ngày đăng: 20/10/2014, 23:15

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] Maru Aregawi, Richard Cibulskis, Mac Otten, Ryan Williams and Christopher dye, “World Malaria Report 2008,” WHO Press, World Health Organization, 2008 Sách, tạp chí
Tiêu đề: World Malaria Report 2008,” "WHO Press, World Health Organization
[2] Nguyễn Mạnh Hùng, “Kết quả Phòng chống sốt rét tại Việt Nam từ năm 1958 đến năm 2007,” Viện sốt rét – ký sinh trùng – côn trùng – trung ương, 2008 Sách, tạp chí
Tiêu đề: Kết quả Phòng chống sốt rét tại Việt Nam từ năm 1958 đến năm 2007,” "Viện sốt rét – ký sinh trùng – côn trùng – trung ương
[3] WHO, “Basic malaria microscopy Part 1. Learner’s Guide,” World Health Organization, 1991 Sách, tạp chí
Tiêu đề: Basic malaria microscopy Part 1. Learner’s Guide,” "World Health Organization
[4] Mitiku K, Mengistu G, Gelaw B, “The reliability of blood film examination for malaria at the peripheral health unit,” Ethiopian J of Health Dev, 2003 Sách, tạp chí
Tiêu đề: The reliability of blood film examination for malaria at the peripheral health unit,” "Ethiopian J of Health Dev
[5] Tek, F. Boray and Dempster, Andrew G. and Kale, Izzet, “Parasite detection and identification for automated thin blood film malaria diagnosis,”Computer Vision and Image Understanding, pp. 21-32, 2009 Sách, tạp chí
Tiêu đề: Parasite detection and identification for automated thin blood film malaria diagnosis,” "Computer Vision and Image Understanding
[6] Tek, F. Boray and Dempster, Andrew G. and Kale, Izzet, “Computer vision for microscopy diagnosis of malaria”, Malaria Journal, p. 153, 2009 Sách, tạp chí
Tiêu đề: Computer vision for microscopy diagnosis of malaria”, "Malaria Journal
[7] Tek, F. Boray and Dempster, Andrew G. and Kale, Izzet, “Malaria parasite detection in peripheral blood images,” Medical Image Understanding and Analysis (MIUA 2006, University of Manchester. BMVA Press, 2006 Sách, tạp chí
Tiêu đề: Malaria parasite detection in peripheral blood images,” "Medical Image Understanding and Analysis (MIUA 2006, University of Manchester. BMVA Press
[8] Tek, F. Boray and Dempster, Andrew G. and Kale, Izzet , “A colour normalization method for giemsa-stained blood cell images,” IEEE 14th Signal Processing and Communications Applications, Antalya Turkey, 2006 Sách, tạp chí
Tiêu đề: A colour normalization method for giemsa-stained blood cell images,” "IEEE 14th Signal Processing and Communications Applications, Antalya Turkey
[9] Gloria Díaz, Fabio A. González, Eduardo Romero, “A semi-automatic method for quantification and classification of erythrocytes infected with malaria parasites in microscopic images,” Journal of Biomedical Informatics 42, pg.296-307, 2009 Sách, tạp chí
Tiêu đề: A semi-automatic method for quantification and classification of erythrocytes infected with malaria parasites in microscopic images,” "Journal of Biomedical Informatics 42
[10] Gloria Díaz, Fabio A. González, Eduardo Romero, “Automatic Clump Splitting for Cell Quantification in Microscopical Images”, CIARP, 2007 [11] Gloria Díaz, Fabio A. González, Eduardo Romero, “Infected CellIdentification in Thin Blood Images Based on Color Pixel Classification:Comparison and Analysis”, CIARP, 2007 Sách, tạp chí
Tiêu đề: Automatic Clump Splitting for Cell Quantification in Microscopical Images”, "CIARP", 2007 [11] Gloria Díaz, Fabio A. González, Eduardo Romero, “Infected Cell Identification in Thin Blood Images Based on Color Pixel Classification: Comparison and Analysis”, "CIARP
[12] Cecilia Di Ruberto, Andrew G. Dempster, Shahid Khan, Bill Jarra, “Analysis of infected blood cell images using morphological operators”, Image Vision Computing, 2002 Sách, tạp chí
Tiêu đề: Analysis of infected blood cell images using morphological operators”, "Image Vision Computing
[13] Cecilia Di Ruberto, Andrew G. Dempster, Shahid Khan, Bill Jarra, “Morphological Image Processing for Evaluating Malaria Disease,” IWVF, 2001 Sách, tạp chí
Tiêu đề: Morphological Image Processing for Evaluating Malaria Disease,” "IWVF
[14] Cecilia Di Ruberto, Andrew G. Dempster, Shahid Khan, Bill Jarra, “Automatic Thresholding of Infected Blood Images Using Granulometry and Regional Extrema,” ICPR, 2000 Sách, tạp chí
Tiêu đề: Automatic Thresholding of Infected Blood Images Using Granulometry and Regional Extrema,” "ICPR
[15] Nicholas E. Ross, Charles J. Pritchard, David M. Rubin, Adriano G. Duse, “Automated image processing method for the diagnosis and classification of malaria on thin blood smears”, International Federation for Medical and Biological Engineering, 2006 Sách, tạp chí
Tiêu đề: Automated image processing method for the diagnosis and classification of malaria on thin blood smears”, "International Federation for Medical and Biological Engineering
[16] Halim S, Bretschneider TR, Li YK[Yi-Kun], Preiser PR, Kuss C, “Estimating Malaria Parasitaemia from Blood Smear Images,” IEEE International Conference on Control, Automation, Robotics and Vision, 2006 Sách, tạp chí
Tiêu đề: Estimating Malaria Parasitaemia from Blood Smear Images,”" IEEE International Conference on Control, Automation, Robotics and Vision
[17] Minh-Tam Le, Timo R Bretschneider, Claudia Kuss and Peter R Preiser, “A novel semi-automatic image processing approach to determine Plasmodium falciparum parasitemia in Giemsa-stained thin blood smears,” BMC Cell Biology, 2009 Sách, tạp chí
Tiêu đề: A novel semi-automatic image processing approach to determine Plasmodium falciparum parasitemia in Giemsa-stained thin blood smears,” "BMC Cell Biology
[19] S. Kumar, S.H. Ong, S. Ranganath, T.C. Ong, F.T. Chew, “A rule-based approach for robust clump splitting”, Pattern Recognition, Vol. 39, 2006 Sách, tạp chí
Tiêu đề: A rule-based approach for robust clump splitting”, "Pattern Recognition
[20] Monica Cheesbrough, “Malaria Parasites”, Medical Laboratory Manual for Topical Countries, Chap. 15, Vol. 1, 1987 Sách, tạp chí
Tiêu đề: Malaria Parasites”, "Medical Laboratory Manual for Topical Countries
[22] Phạm Giang Anh, Mã Minh Hiếu, Nguyễn Thị Kim Liên, Phùng Đức Thuậnn, “Xác định thành phần và cơ cấu ký sinh trùng sốt rét ở trẻ em tại một vùng sốt rét lưu hành của tỉnh Bình Phước bằng kỹ thuật PCR”, Viện sốt rét – kí sinh trùng – côn trùng TPHCM, 2009 Sách, tạp chí
Tiêu đề: Xác định thành phần và cơ cấu ký sinh trùng sốt rét ở trẻ em tại một vùng sốt rét lưu hành của tỉnh Bình Phước bằng kỹ thuật PCR”, "Viện sốt rét – kí sinh trùng – côn trùng TPHCM
[23] Herbert Ramoser, Vincent Laurain, Horst Bischof, and Rupert Ecker, “Leukocyte segmentation and classification in blood-smear images”, Engineering in Medicine and Biology 27th Annual Conference, 2005 Sách, tạp chí
Tiêu đề: “Leukocyte segmentation and classification in blood-smear images”

HÌNH ẢNH LIÊN QUAN

Hình 1-1 Bản đồ ước lượng ca nhiễm sốt rét trên mỗi 1000 dân số, năm 2006 [1] - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 1 1 Bản đồ ước lượng ca nhiễm sốt rét trên mỗi 1000 dân số, năm 2006 [1] (Trang 5)
Hình 1-2 Hệ thống xét nghiệm tự động - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 1 2 Hệ thống xét nghiệm tự động (Trang 8)
Hình 2-1 Hình ảnh các chủng loại và các giai đoạn phát triển ký sinh trùng - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 2 1 Hình ảnh các chủng loại và các giai đoạn phát triển ký sinh trùng (Trang 12)
Hình 2-2 Một số mẫu đối tượng được nhuộm trong thực tế - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 2 2 Một số mẫu đối tượng được nhuộm trong thực tế (Trang 13)
Hình 2-5. Các tông màu khác nhau xuất hiện trong hình ảnh mẫu máu - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 2 5. Các tông màu khác nhau xuất hiện trong hình ảnh mẫu máu (Trang 16)
Hình 4-7. Phân tách tế bào bằng phương pháp phân tích đường biên - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 4 7. Phân tách tế bào bằng phương pháp phân tích đường biên (Trang 29)
Hình 4-9. Kết quả thực hiện theo phương pháp Kyoung-Mi Lee - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 4 9. Kết quả thực hiện theo phương pháp Kyoung-Mi Lee (Trang 30)
Hình 4-10. Kết quả thực hiện theo phương pháp Gloria Diaz - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 4 10. Kết quả thực hiện theo phương pháp Gloria Diaz (Trang 31)
Hình 4-11. So sánh hình ảnh gốc và hình ảnh biến đổi theo không gian khoảng cách - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 4 11. So sánh hình ảnh gốc và hình ảnh biến đổi theo không gian khoảng cách (Trang 33)
Hình 4-13. So sánh tương quan hình ảnh gốc và hình ảnh biến đổi - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 4 13. So sánh tương quan hình ảnh gốc và hình ảnh biến đổi (Trang 34)
Hình 4-14. Kết quả phân ngưỡng bằng SVM trên tập mẫu huấn luyện - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 4 14. Kết quả phân ngưỡng bằng SVM trên tập mẫu huấn luyện (Trang 37)
Hình 5-1. Mô hình xử lý hình ảnh - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 5 1. Mô hình xử lý hình ảnh (Trang 40)
Hình 5-2. Kết quả chuẩn hóa màu - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 5 2. Kết quả chuẩn hóa màu (Trang 41)
Hình 5-3. Khảo sát histogram và kết quả phân ngưỡng tự động - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 5 3. Khảo sát histogram và kết quả phân ngưỡng tự động (Trang 43)
Hình 5-4. Khử nhiễu và lấp lỗ trống - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 5 4. Khử nhiễu và lấp lỗ trống (Trang 45)
Hình 5-5. Biến đổi hình ảnh theo không gian khoảng cách - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 5 5. Biến đổi hình ảnh theo không gian khoảng cách (Trang 46)
Hình 5-6. Độ bao phủ trên các vùng đối tượng - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 5 6. Độ bao phủ trên các vùng đối tượng (Trang 49)
Hình 5-9. Kết quả đánh dấu các vùng phân tách trên hình ảnh gốc - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 5 9. Kết quả đánh dấu các vùng phân tách trên hình ảnh gốc (Trang 50)
Hình 6-1. Cách so sánh kết quả với ground-truth - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 6 1. Cách so sánh kết quả với ground-truth (Trang 53)
Bảng 6-2. Hiệu suất của ph/pháp phân tách tế bào - tập ảnh của Ross [15] - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Bảng 6 2. Hiệu suất của ph/pháp phân tách tế bào - tập ảnh của Ross [15] (Trang 54)
Bảng 6-1. Hiệu suất của ph/pháp phân tách tế bào - tập ảnh của PTN Singapore - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Bảng 6 1. Hiệu suất của ph/pháp phân tách tế bào - tập ảnh của PTN Singapore (Trang 54)
Bảng 6-4. Hiệu suất của ph/pháp phân tách tế bào - tập ảnh của BV Nhiệt đới HCM - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Bảng 6 4. Hiệu suất của ph/pháp phân tách tế bào - tập ảnh của BV Nhiệt đới HCM (Trang 56)
Bảng 6-6. Hiệu suất ph/pháp phân tách tế bào của Kumar [19] - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Bảng 6 6. Hiệu suất ph/pháp phân tách tế bào của Kumar [19] (Trang 57)
Hình ảnh Số cụm  Độ chính xác Sai  Thiếu - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
nh ảnh Số cụm Độ chính xác Sai Thiếu (Trang 57)
Bảng 6-8. So sánh hiệu suất phát hiện tế bào nhiễm ký sinh trùng - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Bảng 6 8. So sánh hiệu suất phát hiện tế bào nhiễm ký sinh trùng (Trang 58)
Hình 6-2. Một số ảnh kết quả trong tập hình ảnh thí nghiệm - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 6 2. Một số ảnh kết quả trong tập hình ảnh thí nghiệm (Trang 59)
Hình 6-3. Hình ảnh kết quả 1 - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình 6 3. Hình ảnh kết quả 1 (Trang 60)
Hình dạng dải,  không bào không  thấy rừ - Phát triển một số phương pháp phân tích tế bào máu và ứng dụng
Hình d ạng dải, không bào không thấy rừ (Trang 65)

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w