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

hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não

84 503 0
Tài liệu đã được kiểm tra trùng lặp

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 84
Dung lượng 2,8 MB

Nội dung

luận văn hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN KHOA CÔNG NGHỆ THÔNG TIN BỘ MÔN CÔNG NGHỆ TRI THỨC Ngụy Đức Thuận HỖ TRỢ CHẨN ĐOÁN TỰ ĐỘNG TỔN THƯƠNG XUẤT HUYẾT/TỤ MÁU DỰA VÀO ẢNH CT NÃO KHOÁ LUẬN CỬ NHÂN TIN HỌC TP. HCM, NĂM 2005 TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN KHOA CÔNG NGHỆ THÔNG TIN BỘ MÔN CÔNG NGHỆ TRI THỨC Ngụy Đức Thuận – 0112283 HỖ TRỢ CHẨN ĐOÁN TỰ ĐỘNG TỔN THƯƠNG XUẤT HUYẾT/TỤ MÁU DỰA VÀO ẢNH CT NÃO KHÓA LUẬN CỬ NHÂN TIN HỌC GIÁO VIÊN HƯỚNG DẪN TIẾN SĨ LÊ HOÀI BẮC NIÊN KHÓA 2001-2005 Lời cảm ơn Em xin gửi lời biết ơn chân thành nhất đến thầy Lê Hoài Bắc, người đã tận tình dạy dỗ em trong suốt quá trình học, cho em nhiều lời động viên cũng như những chỉ dẫn quý báu để em có thể thực hiện tốt được đề tài này. Bên cạnh đó, em xin chân thành cảm ơn các thầy cô trong khoa Công Nghệ Thông Tin đã hết lòng trong công tác giảng dạy, tận tình cung cấp nhiều kiến thức cần thiết trong suốt những năm học tại trường. Em cũng gửi lời cảm ơn sâu sắc đến bác sỹ Nguyễn Ngọc Diệp và các cán bộ phòng Chẩn đoán hình ảnh bệnh viện Đa Khoa Đồng Tháp, đến anh Lục Thành Vũ, cán bộ phòng Chẩn đoán hình ảnh bệnh viện Nguyễn Trãi thành phố Hồ Chí Minh đã cung cấp cho em những kiến thức y khoa và dữ liệu hình ảnh cần thiết để em thực hiện đề tài này. Trong quá trình thực hiện đề tài, không thể không kể đến sự giúp đỡ, đóng góp ý kiến và những lời động viên hết mình của bạn bè xung quanh, điều này thật sự đã giúp cho tôi rất nhiều. Xin chân thành cám ơn các bạn. Và cuối cùng, con xin gửi đến ba mẹ và em trai của anh lòng biết ơn vô bờ bến. Công lao dưỡng dục của ba mẹ, niềm tin mãnh liệt vào con và những đêm thức trắng nơi quê nhà vì lo lắng cho con của ba mẹ đã giúp con vượt qua được những giờ phút khó khăn nhất, khắc phục được những trở ngại lớn lao nhất để hoàn thành đề tài này. Thành phố Hồ Chí Minh, ngày 13 tháng 7 năm 2005 Ngụy Đức Thuận 1 Mở đầu Theo [13], chấn thương là nguyên nhân tử vong hàng đầu ở trẻ em và người trẻ (dưới 44 tuổi), trong đó chấn thương vùng đầu chiếm trên 50% các ca tử vong , với di chứng nặng nề và chi phí y tế rất lớn. Để chẩn đoán, theo dõi, tiên lượng chấn thương đầu thật nhanh chóng và chính xác thì hình ảnh học ( gồm X quang, CT, MRI…) là dữ kiện cơ bản và quan trọng. Trong số đó, CT là khảo sát hình ảnh được lựa chọn đầu tiên và rất có giá trị trong đánh giá chấn thương sọ não, đặc biệt là chấn thương sọ não cấp [13]. Việc đọc phim CT hiện nay chủ yếu là do các bác sĩ chuyên khoa chẩn đoán hình ảnh thực hiện, với số ca mỗi ngày khá lớn. Với mỗi ca chấn thương đầu, số lượng ảnh phải chụp tối thiểu là 20, và bác sĩ phải quan sát qua tất cả các ảnh để tìm ra nhiều biểu hiện bất thường khác nhau. Từ những lý do đó, nhận thấy nhu cầu cho một công cụ trợ giúp chẩn đoán tự động, hỗ trợ các bác sĩ đưa ra những chẩn đoán chính xác và ít sai sót hơn. Điều này cũng phù hợp với xu thế hiện này là áp dụng công nghệ thông tin vào mọi lĩnh vực của đời sống, trong đó có lĩnh vực y khoa. Tuy vậy, cũng phải nhìn nhận rằng đây là một vấn đề không hề dễ dàng, bởi vì bản thân các bác sĩ chuyên khoa cũng gặp nhiều khó khăn khi phân tích hình ảnh của các ca bệnh phức tạp. Vì vậy, mục tiêu của đề tài này chỉ mới dừng lại ở giai đoạn khai phá, tìm hiểu và thử nghiệm xây dựng hệ thống cho một số loại tổn thương tương đối đơn giản, cụ thể hơn là loại tổn thương xuất huyếttụ máu. Báo cáo gồm có 4 chương và 3 phụ lục: • Chương 1: Giới thiệu chung – kiến thức tổng quan Giới thiệu chung về đề tài. • Chương 2: Cơ sở lý thuyết Trình bày các vấn đề lý thuyết quan trọng. • Chương 3: Xây dựng hệ thống 2 Mô tả cách xây dựng hệ thống và các cách áp dụng các vấn đề lý thuyết đã nêu. • Chương 4: Cài đặt, kết quả thử nghiệm Cài đặt chương trình, sơ lược về cách sử dụng, các kết quả thử nghiệm. • Phụ lục A: Bệnh học Sơ lược một số kiến thức y khoa về các tổn thương có liên quan đến đề tài. • Phụ lục B: Dữ liệu DICOM Một số kiến thức về dữ liệu DICOM và xử lý tập tin DICOM. • Phụ lục C: Giải phẫu CT đơn giản Giải phẫu các bộ phận của não dựa vào ảnh CT (ở mức độ đơn giản). 3 Mục lục Lời cảm ơn 1 Mở đầu 2 Mục lục 4 Danh mục hình ảnh .6 Danh mục bảng biểu 7 Bảng kí hiệu các chữ viết tắt .8 Chương 1 : Giới thiệu – kiến thức tổng quan 9 1.1 Xác định vấn đề và động cơ thúc đẩy 9 1.2 Một số kiến thức cơ bản .10 1.2.1 Nguyên lý tạo hình: .10 1.2.2 Tạo hình 10 1.2.3 Trị số đậm độ 11 1.2.4 Thay đổi đậm độ .12 1.2.5 Đặt cửa sổ (Window setting) 13 1.2.6 Độ dày lát cắt và khoảng cách lát cắt 13 1.2.7 Hình định vị 14 1.3 Hệ thống .15 1.4 Tiêu chuẩn đánh giá độ chính xác 18 1.4.1 Độ nhạy (sensitivity) .18 1.4.2 Độ đặc trưng (specificity) .18 1.4.3 Tỉ lệ vùng bệnh được phân lớp đúng 18 1.4.4 Tỉ lệ vùng bình thường được phân lớp đúng 19 Chương 2 : Cơ sở lý thuyết .20 2.1 Phân đoạn ảnh 20 2.2.1 Lọc ngưỡng .21 2.2.2 Phương pháp dựa vào biên 23 2.2.3 Phương pháp dựa trên vùng 24 2.2.4 Phương pháp thống kê và Bayes .26 2.2.5 Phương pháp mạng nơ ron và logic mờ 26 2.3 Làm mảnh biên .27 2.4 Biểu diễn đường biên .29 2.4.1 Biểu diễn bằng chain -code .29 2.4.2 Biểu diễn bằng dòng quét (scanline) .31 2.5 Các đặc trưng mô tả vùng (đường kính, chu vi, diện tích…) .32 2.5.1 Diện tích và chu vi 32 2.5.2 Khoảng cách xuyên tâm (radial distance) .33 2.5.3 Chiều dài trục chính và phụ 34 2.6 Cây quyết định 35 2.6.1 Giới thiệu về cây quyết định .35 2.6.2 Thuật toán ID3 38 2.7 Thông tin tương hỗ .43 4 2.8 Học dựa vào sự trình diễn 44 Chương 3 : Xây dựng hệ thống .46 3.1 Phân đoạn đơn giản 46 3.2 Học dựa vào sự trình diễn 47 3.2.1 Hệ thống học .47 3.2.2 Đặc trưng vùng 48 3.2.3 Phân lớp bằng thuật toán k-người láng giềng gần nhất 50 3.3 Dùng hệ luật để định vị vùng tổn thương .51 3.3.1 Hệ luật đơn giản 51 3.3.2 Hệ luật phức tạp 54 Chương 4 : Chương trình cài đặt – kết quả thử nghiệm 57 4.1 Chương trình cài đặt .57 4.1.1 Công cụ sử dụng .57 4.1.2 Cấu trúc dữ liệu học 57 4.1.3 Chương trình .57 4.2 Đánh giá kết quả .60 4.2.1 Độ hiệu quả của giai đoạn phân lớp 60 4.2.2 Đánh giá công việc 61 4.2.3 Hướng phát triển trong tương lai 62 Tài liệu tham khảo .63 Phụ lục .65 A. Bệnh học .65 A.1 Tụ máu dưới màng cứng (Subdural Hematoma/SDH) .65 A.2 Tụ máu ngoài màng cứng (Epidural Hematoma/EDH) 66 A.3 Xuất huyết khoang dưới nhện (subarachnoid hemorrhage) .68 A.4 Xuất huyết trong não thất (intraventricular hemorrhage) .69 A.5 Tụ máu trong não (intracerebral hematoma) 69 B. Dữ liệu DICOM .71 B.1 Giới thiệu 71 B.2 Cấu trúc chung của tập tin DICOM 71 B.3 Một số thông tin cần thiết khi xử ảnh DICOM .72 C. Giải phẫu CT đơn giản vùng trên lều .76 5 Danh mục hình ảnh Hình 1-1: Hình định vị (topogram) 15 Hình 1-2: Mô hình hệ thống .16 Hình 2-1: Ảnh độ xám với: (a) 1 ngưỡng phân đoạn và (b) 2 ngưỡng phân đoạn 22 Hình 2-2: Mặt nạ Sobel 23 Hình 2-3: Mặt nạ của toán tử Laplace 23 Hình 2-4: Ví dụ về thuật toán Region Growing .26 Hình 2-5: Lân cận 8 của điểm p 1 28 Hình 2-6: Chain code 4 hướng và 8 hướng 30 Hình 2-7: Ví dụ về biễu diễn đường biên bằng chain code lân cận 8 30 Hình 2-8: Đường biên của một vùng và biểu diễn dòng quét của nó 31 Hình 2-9: Một số đặc trưng dùng để mô tả vùng .32 Hình 2-10: Trục chính và trục phụ hình ellipse. 35 Hình 2-11: Minh họa phương pháp của Hunt 37 Hình 2-12: Một cây quyết định chọn nhiệt độ làm gốc .40 Hình 3-1: Ảnh CT qua bộ lọc thứ nhất, trong đó màu đỏ biểu diễn cho vùng bệnh48 Hình 3-2: Minh họa lát cắt đầu tiên vùng trên lều .53 Hình 3-3: Minh họa cách phân vùng các lát cắt giữa .53 Hình 3-4: Hình minh họa lát cắt trên cùng (thùy đỉnh) 54 Hình 3-5: Ảnh phân vùng não với các tiêu chuẩn dừng khác nhau .56 Hình 4-1: Giao diện chính 57 Hình 4-2: Màn hình học dựa vào sự trình diễn 58 Hình 4-3: Chọn bệnh nhân .59 Hình 4-4: Dữ liệu về bệnh nhân đã được hiển thị. 59 Hình 4-5: Sau khi dò tìm vùng tổn thương 60 Hình A-1: Tụ máu dưới màng cứng .66 Hình A-2: Tụ máu ngoài màng cứng. 67 Hình A-3: Xuất huyết khoang dưới nhện .68 Hình A-4: Xuất huyết trong não thất .69 Hình A-5: Tụ máu trong não 70 Hình C-1:Giải phẫu CT não đơn giản 76 Hình C-2: Giải phẫu CT não đơn giản .77 Hình C-3: Giải phẫu CT não đơn giản .78 Hình C-4: Giải phẫu CT não đơn giản .79 Hình C-5: Giải phẫu CT não đơn giản .80 Hình C-6: Giải phẫu CT não đơn giản .81 Hình C-7: Giải phẫu CT não đơn giản .82 6 Danh mục bảng biểu Bảng 1-1: Trị số đậm độ của các cấu trúc nội sọ 11 Bảng 2-1: Dữ liệu minh họa cho cây quyết định 37 Bảng 2-2: Thông tin phân bố thuộc tính quang cảnh 38 Bảng 2-3: Thông tin phân bố lớp của thuộc tính Độ ẩm .39 Bảng 4-1: Độ chính xác của bộ phân lớp 61 Bảng A-1: Phân biệt tụ máu dưới màng cứng và ngoài màng cứng .68 Bảng B-2: Một số thẻ quan trọng 73 Bảng B-3: Một số thẻ quan trọng 74 Bảng B-4: Một số thẻ quan trọng 74 7 Bảng kí hiệu các chữ viết tắt DICOM Digital Imaging and Communications in Medicine CT Computed Tomography kNN k nearest neighbour 8 [...]... thức tổng quan 1.1 Xác định vấn đề và động cơ thúc đẩy Năm 1972 G.N Hounsfield giới thiệu phương pháp chụp cắt lớp điện toán (Computed Tomography Scanner – CT) Đây là kỹ thuật không xâm lấn cho phép đánh giá tốt về bệnh lý hệ thần kinh trung ươn Sự ra đời của CT được xem là cuộc cách mạng trong chuẩn đoán hình ảnh Đặc biệt, trong bệnh lý chấn thương sọ não, CT chẩn đoán tốt các tổn thương nội sọ (tụ máu, ... độ thường gặp trên CT sọ não bình thường (như dịch não tuỷ, mỡ hốc mắt, khí trong xoang) hoặc bất thường (như phù não, dịch trong các nang, mỡ trong u, khí nội sọ trong chấn thương) Cũng cần lưu ý rằng khối máu tụ cấp tính ở bệnh nhân chấn thương sọ não thuờng có đậm độ cao hơn nhu mô não Đậm độ khối máu tụ liên quan với nồng độ hemoglobin, hematocrit, protein máu, tình trạng đông máu Trong một số trường... đoán những chấn thương dễ phát hiện, với những giới hạn sau: i Chỉ khảo sát ở những ảnh chụp nằm ở vùng trên lều (do các lát cắt ở vùng dưới lều có thành phần khá phức tạp) ii Khảo sát tổn thương nội sọ, chủ yếu tập trung vào tổn thương xuất huyết, tụ máu iii Chọn lựa những hình ảnh đạt chất lượng tốt (không bị xảo ảnh) Các kết quả được nhắm tới gồm có: 15 i Phát hiện chính xác vùng tổn thương (không... được so sánh Ví dụ: - Xuất huyết trong não có đậm độ cao - Vùng phù có đậm độ thấp - Tụ máu dưới màng cứng bán cấp đồng đậm độ với chất xám… Các hình tăng đậm độ trên CT sọ não có thể là các đóng vôi bình thường (như màng cứng,tuyến tùng,đám rối mạch mạc…) hoặc các đóng vôi bất thường (trong u, tổn thương cũ…), xuất huyết, các cấu trúc protein cao, hoặc mật độ tế bào cao (một số u não) Các hình giảm đậm... luật để định vị vùng tổn thương đó trong não Do vấn đề thời gian nghiên cứu, hệ luật này chỉ mới được xây dựng ở mức độ đơn giản, dựa vào các quan sát trên hình ảnh và tiêu bản não Bên cạnh đó, ý tưởng về một hệ thống xây dựng dữ liệu học chi tiết hơn cho vấn đề định vị cũng được đề xuất 17 Cuối cùng, dựa vào các thông tin trên, hệ thống sẽ tổng hợp, đưa ra mô tả hình ảnh về tổn thương (vị trí, kích... lượng về vùng tổn thương đó iii Xác định vị trí vùng tổn thương trong não (ví dụ như thuộc vùng đỉnh, chẩm, thái dương…) iv Kết quả: đưa ra mô tả hình ảnh về vùng tổn thương Với dữ liệu đầu vào là ảnh CT lưu dưới định dạng DICOM, mô hình hệ thống như sau: Hình 1-2: Mô hình hệ thống Giai đoạn tiền xử lý bao gồm các công việc như: đọc thông tin về bệnh nhân, thông tin về các lát cắt được chụp (độ dày,... kiểm tra theo tiêu chuẩn tương tự Nếu tiêu chuẩn này thỏa, các vùng này sẽ được nối lại để hình thành vùng lớn hơn Quá trình cứ tiếp tục cho đến khi không thể thực hiện được nữa Rõ ràng trong hướng tiếp cận này, có thể thấy việc chọn lựa điểm hạt giống là rất quan trọng, và có thể được thực hiện thủ công hoặc tự động Một ví dụ cho trường hợp chọn điểm hạt giống một cách tự độngdựa vào các đỉnh của... giá chấn thương sọ não, đặc biệt là chấn thương sọ não cấp [13] Việc đọc phim CT hiện nay chủ yếu là do các bác sĩ chuyên khoa chẩn đoán hình ảnh thực hiện, với số ca mỗi ngày khá lớn Với mỗi ca chấn thương đầu, số lượng ảnh phải chụp tối thiểu là 20, và bác sĩ phải quan sát qua tất cả các ảnh để tìm ra nhiều biểu hiện bất thường khác nhau Từ những 9 lý do đó, nhận thấy nhu cầu cho một công cụ trợ giúp... cho nền Khi T chỉ phụ thuộc vào f(x,y), ta có ngưỡng toàn cục (hình 2-1 (a)) Nếu T phụ thuộc vào cả f(x,y) và p(x,y), ta có ngưỡng cục bộ Thêm nữa, nếu T phụ thuộc vào tọa độ của x và y, ta có ngưỡng động 22 2.2.2 Phương pháp dựa vào biên Phương pháp phân đoạn dựa vào biên giả định rằng tại các biên vùng sẽ xảy ra sự thay đổi đột ngột của độ xám Nhiều phương pháp đã được đề xuất nhằm tìm ra các biên... trạng đông máu Trong một số trường hợp, do có sự thay đổi các yếu tố trên (hematocrit, protein thấp…), khối máu tụ cấp có thể có đậm độ ngang với nhu mô não Theo thời gian, khối máu não sẽ giảm đậm độ dần, trung bình 1.5HU/ngày Do đó, máu tụ bán cấp hay mãn tính sẽ đồng hay giảm đậm độ so với nhu mô não 12 1.2.5 Đặt cửa sổ (Window setting) Trị số đậm độ của các mô khác nhau trong cơ thể thay đổi từ 1000HU . THỨC Ngụy Đức Thuận – 0112283 HỖ TRỢ CHẨN ĐOÁN TỰ ĐỘNG TỔN THƯƠNG XUẤT HUYẾT/TỤ MÁU DỰA VÀO ẢNH CT NÃO KHÓA LUẬN CỬ NHÂN TIN HỌC . HỌC TỰ NHIÊN KHOA CÔNG NGHỆ THÔNG TIN BỘ MÔN CÔNG NGHỆ TRI THỨC Ngụy Đức Thuận HỖ TRỢ CHẨN ĐOÁN TỰ ĐỘNG TỔN THƯƠNG XUẤT HUYẾT/TỤ MÁU

Ngày đăng: 13/04/2013, 09:47

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[7] Johannes W. Rohen, Chihiro Yokochi, Elke Lutjen – Drecoll, “Atlas giải phẫu người”, Nhà xuất bản Y học, Việt Nam, 2002 Sách, tạp chí
Tiêu đề: Atlas giải phẫu người
Nhà XB: Nhà xuất bản Y học
[10] Lê Hoài Bắc, Nguyễn Thanh Nghị, “Bionet - Hệ chẩn đoán bệnh”, Luận văn thạc sĩ, Đại học Quốc gia TP. HCM, Đại học Khoa học Tự nhiên, Khoa Công nghệ thông tin, 2003 Sách, tạp chí
Tiêu đề: Bionet - Hệ chẩn đoán bệnh
[12] Phạm Ngọc Hoa, Lê Văn Phước, “Đọc phim CT chấn thương sọ não”, bộ môn hình ảnh y khoa Đại học Y Dược thành phố Hồ Chí Minh, 2003 Sách, tạp chí
Tiêu đề: Đọc phim CT chấn thương sọ não
[1] Bạch Hưng Khang, Hoàng Kiếm, Trí tuệ nhân tạo các phương pháp và ứng dụg, NXB Khoa Học Kĩ Thuật, 1989 Khác
[4] Erol Sarigul, Interactive Machine Learning for Refinement and Analysis of Segmented CT/MRI Images, A doctoral dissertation submitted to the faculty of the Virginia Polytechnic Institute and State University in partial fulfillment of the requirements for the degree of Doctor of Philosophy in Electrical Engineering, 2004 Khác
[5] J.-F. Mangin et al., Coordinate-based versus structural approaches to brain image analysis, Elsevier, Artificial Intelligence in Medicine 30, 2004, pp.177-197 Khác
[6] J. Rigau, M. Feixas, M. Sbert, A. Bardera, and I. Boada, Medical Image Segmentation Based on Mutual Information Maximization, Institut d’Information I Aplicacions, Universitat de Girona, Spain Khác
[8] Jyh-Shing Roger Jang, Chuen-Tsai Sun, Elli Mizutani, Neuro-Fuzzy and Soft Computing, A computational Approach to Learning and Machine Intelligence, Prentice Hall, Upper Saddle River, Ney York, 1997 Khác
[9] Ioannis Pitas, Digital Image Processing Algorithms, Prentice Hall, New York, 1992 Khác
[11] Nathalie Richard, Michel Dojat, Catherine Garbay, Automated Segmentation of human brain MR images using a multi-agent approach, Elsevier, Artificial Intelligence in Medicine 30, 2004, pp. 153-175 Khác
[13] Rafael C. Gonzalez, Richard E. Woods, Digital Image Processing 2 nd Edition, Addison-Wesley, New York, 1993 Khác
[14] Rafael C. Gonzalez, Richard E. Woods, Digital Image Processing 3 rd Edition, Addison-Wesley, New York, 2001 Khác
[15] Richard O. Duda, Peter E.Hart, David G. Stort, Pattern Classification 2 nd Edition, Wiley, New York, 2000 Khác
[16] S. Prima, J. P. Thirion, G. Subsol, N. Roberts Statistical analysis of normal and abnormal dissymmetry in volumetric medical images, Elsevier, Medical Image Analysis 4, 2000, pp. 111-121 Khác
[17] Terry S. Yoo, Michael J. Ackerman, Open Source Software for Medical Image Processing and Visualization, Communications, Volume 48, Number 2, February 2005, pp. 55-59 Khác
[18] Tài liệu chính thức về định dạng DICOM: Digital Imaging and Communications in Medicine (DICOM), National Electrical Manufacturers Association, Virginia, 2004 Khác

HÌNH ẢNH LIÊN QUAN

Hình 1-1: Hình định vị (topogram) 1.3 Hệ thống  - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
Hình 1 1: Hình định vị (topogram) 1.3 Hệ thống (Trang 17)
Hình  1-1: Hình định vị (topogram) - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh 1-1: Hình định vị (topogram) (Trang 17)
iv. Kết quả: đưa ra mô tả hình ảnh về vùng tổn thương. - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
iv. Kết quả: đưa ra mô tả hình ảnh về vùng tổn thương (Trang 18)
Hình  1-2: Mô hình hệ thống - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh 1-2: Mô hình hệ thống (Trang 18)
Hình 2-1: Ảnh độ xám với: (a) 1 ngưỡng phân đoạn và (b )2 ngưỡng phân đoạn - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
Hình 2 1: Ảnh độ xám với: (a) 1 ngưỡng phân đoạn và (b )2 ngưỡng phân đoạn (Trang 24)
Hình  2-1: Ảnh độ xám với: (a) 1 ngưỡng phân đoạn và (b) 2 ngưỡng phân đoạn - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh 2-1: Ảnh độ xám với: (a) 1 ngưỡng phân đoạn và (b) 2 ngưỡng phân đoạn (Trang 24)
trong hình 2-2), hoặc toán tử Laplace (tương ứng với mặt nạ trong hình 2-3). - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
trong hình 2-2), hoặc toán tử Laplace (tương ứng với mặt nạ trong hình 2-3) (Trang 25)
Hình  2-2: Mặt nạ Sobel - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh 2-2: Mặt nạ Sobel (Trang 25)
Hình 2-4: Ví dụ về thuật toán RegionGrowing - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
Hình 2 4: Ví dụ về thuật toán RegionGrowing (Trang 28)
Hình  2-4: Ví dụ về thuật toán Region Growing - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh 2-4: Ví dụ về thuật toán Region Growing (Trang 28)
Hình 2-6: Mã tương ứng với hướng của (a) chain code 4 hướng và (b) chain code 8 hướng - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
Hình 2 6: Mã tương ứng với hướng của (a) chain code 4 hướng và (b) chain code 8 hướng (Trang 32)
Ví dụ: Xét ảnh trong hình 2-7, biểu diễn đường biên của nó theo dòng quét của nó là:  - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
d ụ: Xét ảnh trong hình 2-7, biểu diễn đường biên của nó theo dòng quét của nó là: (Trang 33)
Hình  2-8: Vùng và biểu diễn dòng quét của nó - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh 2-8: Vùng và biểu diễn dòng quét của nó (Trang 33)
phân. Hình 2-8 mô tả một vùng ảnh nhị phân điển hình. - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
ph ân. Hình 2-8 mô tả một vùng ảnh nhị phân điển hình (Trang 34)
Hình  2-9: Một số đặc trưng dùng để mô tả vùng - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh 2-9: Một số đặc trưng dùng để mô tả vùng (Trang 34)
Hình  2-10: Trục chính và trục phụ hình ellipse. - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh 2-10: Trục chính và trục phụ hình ellipse (Trang 37)
Bảng 2-1: Dữ liệu minh họa cho cây quyết định - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
Bảng 2 1: Dữ liệu minh họa cho cây quyết định (Trang 39)
Bảng 2-1: Dữ liệu minh họa cho cây quyết định - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
Bảng 2 1: Dữ liệu minh họa cho cây quyết định (Trang 39)
Bảng 2-3: Thông tin phân bố lớp của thuộc tính Độ ẩm - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
Bảng 2 3: Thông tin phân bố lớp của thuộc tính Độ ẩm (Trang 41)
Bảng 2-3: Thông tin phân bố lớp của thuộc tính Độ ẩm - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
Bảng 2 3: Thông tin phân bố lớp của thuộc tính Độ ẩm (Trang 41)
Ví dụ 1. Trong Bảng 2-1 của ví dụ thi đấu tennis, tậ pS có 9 ca dương và 5 ca âm ( ký hiệu là [9+,5-]) - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
d ụ 1. Trong Bảng 2-1 của ví dụ thi đấu tennis, tậ pS có 9 ca dương và 5 ca âm ( ký hiệu là [9+,5-]) (Trang 42)
Hình  2-12: Một cây quyết định chọn nhiệt độ làm gốc - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh 2-12: Một cây quyết định chọn nhiệt độ làm gốc (Trang 42)
Hình 3-2: Minh họa lát cắt đầu tiên vùng trên lều - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
Hình 3 2: Minh họa lát cắt đầu tiên vùng trên lều (Trang 55)
Hình  3-2: Minh họa lát cắt đầu tiên vùng trên lều - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh 3-2: Minh họa lát cắt đầu tiên vùng trên lều (Trang 55)
Hình 3-4: Hình minh họa lát cắt trên cùng (thùy đỉnh) 3.3.2Hệ luật phức tạp  - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
Hình 3 4: Hình minh họa lát cắt trên cùng (thùy đỉnh) 3.3.2Hệ luật phức tạp (Trang 56)
Hình  3-4: Hình minh họa lát cắt trên cùng (thùy đỉnh) - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh 3-4: Hình minh họa lát cắt trên cùng (thùy đỉnh) (Trang 56)
Hình 4-2: Màn hình học dựa vào sự trình diễn - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
Hình 4 2: Màn hình học dựa vào sự trình diễn (Trang 60)
Hình  4-2: Màn hình học dựa vào sự trình diễn - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh 4-2: Màn hình học dựa vào sự trình diễn (Trang 60)
Hình 4-3: Chọn bệnh nhân - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
Hình 4 3: Chọn bệnh nhân (Trang 61)
Hình  4-4: Dữ liệu về bệnh nhân đã được hiển thị. Vùng màu sáng là vùng xuất huyết - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh 4-4: Dữ liệu về bệnh nhân đã được hiển thị. Vùng màu sáng là vùng xuất huyết (Trang 61)
Hình  4-3: Chọn bệnh nhân - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh 4-3: Chọn bệnh nhân (Trang 61)
Hình 4-5: Sau khi dò tìm vùng tổn thương - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
Hình 4 5: Sau khi dò tìm vùng tổn thương (Trang 62)
Hình  4-5: Sau khi dò tìm vùng tổn thương - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh 4-5: Sau khi dò tìm vùng tổn thương (Trang 62)
Hình A-1: Tụ máu dưới màng cứng A.2Tụ máu ngoài màng cứ ng (Epidural Hematoma/EDH)  - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh A-1: Tụ máu dưới màng cứng A.2Tụ máu ngoài màng cứ ng (Epidural Hematoma/EDH) (Trang 68)
Hình  A-1: Tụ máu dưới màng cứng - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh A-1: Tụ máu dưới màng cứng (Trang 68)
Hình A-2: Tụ máu ngoài màng cứng. - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh A-2: Tụ máu ngoài màng cứng (Trang 69)
Hình  A-2: Tụ máu ngoài màng cứng. - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh A-2: Tụ máu ngoài màng cứng (Trang 69)
Hình dạng Hình lồi hai mặt Hình liềm - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
Hình d ạng Hình lồi hai mặt Hình liềm (Trang 70)
Bảng A-1: Phân biệt tụ máu dưới màng cứng và ngoài màng cứng A.3Xuất huyết khoang dưới nhệ n (subarachnoid hemorrhage)  - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
ng A-1: Phân biệt tụ máu dưới màng cứng và ngoài màng cứng A.3Xuất huyết khoang dưới nhệ n (subarachnoid hemorrhage) (Trang 70)
Hình dạng Hình  lồi hai mặt Hình  liềm - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
Hình d ạng Hình lồi hai mặt Hình liềm (Trang 70)
Bảng A-1: Phân biệt tụ máu dưới màng cứng và ngoài màng cứng - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
ng A-1: Phân biệt tụ máu dưới màng cứng và ngoài màng cứng (Trang 70)
- Hình ảnh: - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh ảnh: (Trang 71)
Hình  A-4: xuất huyết trong não thất - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh A-4: xuất huyết trong não thất (Trang 71)
Hình A-5: Tụ máu trong não - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh A-5: Tụ máu trong não (Trang 72)
Hình  A-5: Tụ máu trong não - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh A-5: Tụ máu trong não (Trang 72)
B.3.2 Các thẻ (tag) quan trọng - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
3.2 Các thẻ (tag) quan trọng (Trang 75)
Bảng B-1: một số thẻ quan trọng - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
ng B-1: một số thẻ quan trọng (Trang 75)
Bảng B-3: Một số thẻ quan trọng - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
ng B-3: Một số thẻ quan trọng (Trang 76)
Bảng B-4: Một số thẻ quan trọng - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
ng B-4: Một số thẻ quan trọng (Trang 76)
Hình C-1: Minh h ọa giải phẫu CT não - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh C-1: Minh h ọa giải phẫu CT não (Trang 78)
Hình C-2: Minh họa giải phẫu CT não - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh C-2: Minh họa giải phẫu CT não (Trang 79)
Hình  C-2: Minh họa giải phẫu CT não - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh C-2: Minh họa giải phẫu CT não (Trang 79)
Hình C-3: Giải phẫu CT não đơn giản - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh C-3: Giải phẫu CT não đơn giản (Trang 80)
Hình  C-3: Giải phẫu CT não đơn giản - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh C-3: Giải phẫu CT não đơn giản (Trang 80)
Hình C-4: Giải phẫu CT não đơn giản - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh C-4: Giải phẫu CT não đơn giản (Trang 81)
Hình  C-4: Giải phẫu CT não đơn giản - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh C-4: Giải phẫu CT não đơn giản (Trang 81)
Hình C-5: Giải phẫu CT não đơn giản - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh C-5: Giải phẫu CT não đơn giản (Trang 82)
Hình  C-5: Giải phẫu CT não đơn giản - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh C-5: Giải phẫu CT não đơn giản (Trang 82)
Hình C-6: Giải phẫu CT não đơn giản - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh C-6: Giải phẫu CT não đơn giản (Trang 83)
Hình C-6: Giải phẫu CT não đơn giản - hỗ trợ chuẩn đoán tự động tổn thương xuất huyết / tụ máu dựa vào chụp CT não
nh C-6: Giải phẫu CT não đơn giản (Trang 83)

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w