ứng dụng kỹ thuật kết hợp tần số nhằm nâng cao chất lượng ảnh siêu âm cắt lớp

Ọ TR ỜN N ÀM Ứ N ỜNG ỨNG DỤNG KỸ THUẬT KẾT HỢP TẦN SỐ NHẰM NÂNG CAO CHẤT L ỢNG ẢNH SIÊU ÂM CẮT LỚP : Công Nghệ iện Tử - Viễn Thông y : Kỹ thuật iện tử Mã số: 60 52 70 LUẬNV NT S N N À N – 2013 NT -V NT N LỜ N i ôi t ường bị h số ệ t iệ t ươ i ữ ất t mặ ã t t ươ ẦU tti i t t kéo theo hệ lụy y ho i, nhi u lo i bệnh m i nguy hi x ất hiện, tư t y i i i ối ặt y y t t i u trị tit ị ệ i ụ iệ y iư i it i ô ươ t y tố i i ầ y ươ t t t ầ tti ầ ầ ươ y ươ -Mode v chất ư i ụ i chất ng nh v t c s tốt i t ụ ặ t ti t t ti t – i t x ặ i t i ọ i ti khôi phục nh Các k t qu tốt t x t i y t it t ươ y t tốt ất iệ i tố i tụ ươ ươ ậ y x ất ụ tần số i t ươ xuất cho k t qu – ặ i LỜ ậ y t iệ d n nhiệt tình t ầy v i t t i t ô iệ i ôi xi ửi ời K ã iệ – iễ ữ ậ xt ôi t (CN.13.08) ối t i ữ xi iệ t t ch ô ô ỉ ầ i t t ậ t ầy t ầy y ô i i i , t 18 i ọ ố i tài cấ ườ ữ i i t i ọ ô ệ ậ y s hỗ tr m t phần từ ữ c làm việc thầy, it T ườ ửi ời ọ tậ ô ẢM N ậ y i ười ã t LỜ M O N ôi xi ậ y n ph m c a trinh nghiên c u, tìm hi u c is ng d n b o c a thầy t ầy ô t môn, khoa b ôi ô t i iệu hay cơng trình nghiên c u c ười làm luận N u vi ph m, xin chịu trách nhiệm ường MỤ LỤ Ầ U 1.1 T Ề NH Y SINH 1.2 T 16 17 2: 2.1 LẶP VI PHÂN BORN (DBIM) 17 2.2 B NG 2.3 CHỈ S PH QUÁT CHO CHẤ Ấ 3: Ề NH 3.1 Ề 3.2 T 4: 19 21 24 Ấ 24 Ị 25 31 41 42 PH L C 1: CODE MATLAB DBIM 44 PH L C 2: CODE MATLAB DBI Ề XUẤT 51 N MỤ V ẾT TẮT U VÀ n n BIM Born Iterative Method/ ươ ặp Born DBIM pháp Lặp vi phân Born Distorted Born Iterative Method/ ươ ⃑⃑ ⃑⃑ ⃑⃑ N ⃑⃑ ố y ố yt tư mm ố ⃑⃑ ⃑⃑ t ô tô ix t ix i ọ/ m/s ậ tố t y t ôi t ườ m/s ậ tố t y t ối tư ụ ti Pa t i t Pa iệ t Pa iệ t rad/m ố iệ t i x - N MỤ ẢN 1: i ố i từ i tị x t ố ặ .26 2: i ố i từ i tị x t ố ặ .27 3: i ố i từ i tị x t ố ặ .28 4: i ố i từ i tị x t ố ặ .29 1: i ố err th c f1 2: i ố err th c f2 từ ặ 22 31 từ ặ 22 31 3: i ố err th c k t h p tần số DF - DBIM (N = 22) 32 4: 5: ố Q th c f1 ố Q th c f2 từ ặ 22 32 từ ặ 22 32 6: ố Q th c DF - DBIM (N = 22) 32 N MỤ N Hình 1.1: Minh họa nguyên lý máy CT Hình 1.2: Moment từ Hình 1.3: 14 V máy MRI nguyên lý siêu âm 13 ệ 1: ấ 1: iố c lặp (máy phát = 44, máy thu = 22) 26 2: iố c lặp (máy phát = 15, máy thu = 7) 27 3: iố c lặp (máy phát = 22, máy thu = 11) 28 4: iố c lặp (máy phát = 27, máy thu = 14) 29 1: ụ ti 17 (N = 22) tưở 31 2: t ôi ụ ặ t 22 33 3: t ôi ụ ặ t 22 34 ặ t 22 35 4: t ôi ụ 5: t ôi ụ ặ t 6: t ôi ụ ặ t 22 37 7: t ôi ụ ặ t 22 38 8: t ị 9: Mặt c t thẳ – i (N = 22) 36 22 .39 t t a hàm mục tiêu khôi phục 39 N 1.1 Tn q Ớ T U n ảnh y sinh i ươ ệ i i ụ ụ t (magnetic resonance imaging), Siêu âm (ultrasound) y ụ t ưở từ 1.1.1 Chụp cắt lớp CT CT từ vi t t t c t y y c t o từ hai từ ti ng Hy L : t ĩ t i ng graphy mơ t Vậy có th hi u CT “ ụp nh lát c t b t t ” t o hình “x y ” th bệnh nhân CT cịn có tên gọi khác CAT (Computed axial tomography) S lược nguyên lý: B ã i ụp X-quang ư? ỹ thuật viên b t b ng m t máy phát tia X m t phim Sau chụp b n s thấy phim k t qu có nhữ ậm nh t khác mô t t ơt b n Tia X có b n chất giống v i ánh sáng b n thấy hàng ngày – iện từ ư c sóng nhỏ ng l n nên có kh x y ất m i ti i ơt b n, s bị t t hấp thụ m t phầ ng tia X gi m tuân t ịnh luật Beer : I= ng tia : ú exp(-μx ầu sau μ : ệ số suy gi m n tính c a vật liệ ng tia X c a vật chất x: ã ườ ti (1.1) ặ tư y im i ti i i ấp thụ tia X khác Vì khỏi t s gồm ng lên phim khác ti ng khác nhau, m t nên phim s có vùng sáng tối mơ t t t b n ti i i m khác biệt ph c t -quang tô t ường M t ti c sử dụn “ t” t b n Ở phía bên i t y ặt m t tấ i ười ta dùng máy thu (Máy thu ghi l i tín hiệu Tia X máy thu s quay xung quanh b ỹ o quay v n n m m t mặt phẳ lấy liệu v lát c t Toàn b liệu gọi liệu thô (raw data) Chúng ta không th hi c liệu Vì ph i dùng t i ươ t ọ bi i liệu thơ thành hình nh Các thuật tốn t ường dùng bi i : filtered back-projection (v i b lọc Laks hay Sheep-Logan) expectation-maximization (EM) Các nh tái t o x ười ta t ường dùng số HU (Hounsfield unit) hay gọi số bi u thị m c xám c a nh CT Việc bi Hình 1.1: Minh họa nguyên lý máy CT i liệu thơ thành hình ĩ i việc gi i nhi u ươ t c t p, cần máy tính m nh Vào thời i 1974 yt ư y iờ nên ta có th hi u thi t bị ầu tiên c a Hounsfield vài giờlấy thông tin thô lát c t i ytái t o thành hình nh Hiện máy CT hiệ i có th lấy thông tin thô 256 lát c t m t lúc,kho ng cách lát cát vào kho ng 1mm iy tái t o hình nh có kích t 1024x1024 ix 2007 ã i ã gi i thiệu m t th hệ CT 320 lát c t Các máy CT có kh t ồng thời nhi u lát c t c gọi MS-CT (multi-slice CT) Hiện hầu h t y u có phần m m tái t o hình nh 3D từ slice Các phần m m cho phép bác sỹ “ ” ng, có th c t l i nhi ng khác t ơt theo đ ểm n ược đ ểm: c sử dụng r ng rãi cho hình nh s t tươ n cao, nhanh Nhờ phần m m, có th sử dụng liệu m t cách linh ho t i ô y ụp X quang b n khơng có c m giác chụp CT B n có th c m thấy ịu ph i n m m t vịng l n khơng ph i n m lâu Mỗi ca chụp t ô t ường tốn kho ng vài phút Trong m t số t ường h ụp khối u, m … n ph i tiêm thêm chất KẾT LUẬN ậ y ãt t ô t iệ ất sử dụng k t h p tần số f1 f2 x ất ất tốt Tác gi ãt t ươ ôi t y c số c lặp ụ ụ t i ươ tố i f1 cho việc k t h p f1 f2 cho chất ng tốt i c tham số chất ư c trình bày phần 2.3 Từ t luận c nh tái t o việc sử dụng k t h p tần số f1 f2, cho k t qu mặt sai số tốn học thơng dụng hay có xét c u tốt i sử dụng m t tần số ậy iệ t ô y ụ t iệ t i iệ ngành chu n vấ k t h p tần số t iệ ụ ĩ x ất t y VHS (visual human system) ụ t i iệ c Y – Si t i 41 ữ i t iệ ất ti ữ iệ t ã t x ất t t TÀ L UT M W ẢO “ t of digital ultrasonic i ” ti i t i 31 195– 217, July 1984 [2] N Duric, P Littrup, A Babkin, D Chambers, S Azevedo, A Kalinin, R.Pevzner, t y ti i : 5, pp 1375–1386, May 2005 [3] J.-W Jeong, T.i “Development of ultrasound t” i yi 32 i i i Z i “ t tissue differentiation using multiband signatures of high resolution ul-trasonic t i i t y” ti i i 24 399–408, March 2005 [4] S A Johnson, T Abbott, R Bell, M Berggren, D Borup, D Robinson, J Wiskin, S Olsen, and t [5 i B tt i “ i ti ” i “ Reconstructing tissue param t i ti ti t ti i i -terization using 28 2007 147–154 t i i t -sound: i tt ti ” i t ti Conference on BioMedical Engineering and Informatics, vol 2, 2008, pp 708–712 [6] R J Lavarello and M L Oelze: Tomographic Reconstruction of ThreeDimensional Volumes Using the Distorted Born Iterative Method IEEE Transactions on Medical Imaging, 28, 2009, pp 1643-1653 [7] Lavarello Robert: New Developments on Quantitative Imaging Using Ultrasonic Waves University of Illinois at Urbana-Champaign, 2009 [8] http://en.wikipedia.org/wiki/Nonlinear_conjugate_gradient_method [9] M T Heath, Scientific Computing: An Introductory Survey New York, NY: McGraw-Hill, 2002 [10] Martin, R., Noise power spectral density estimation based on optimal smoothing and minimum statistics, IEEE Transactions on Speech and Audio Processing, Vol 9, 2001, pp 504 - 512 [11] http://www-stat.stanford.edu/~susan/courses/s60/split/node60.html [12] Tran Duc Tan, N Linh-Trung, M L Oelze, M N Do, Application of L1 regularization for high-quality reconstruction of ultrasound tomography, International Federation for Medical and Biological Engineering (IFMBE), NXB SPRINGER, ISSN: 1680-0737, Volume 40, 2013, pp 309-312 42 [13] Tran Duc Tan, Nguyen Linh-Trung, Minh N Do, Modified Distorted Born Iterative Method for Ultrasound Tomography by Random Sampling, The 12th International Symposium on Communications and Information Technologies (ISCIT 2012), Australia, 2012, pp 1065-1068 [14] Tran Duc Tan, Automated Regularization Parameter Selection in Born Iterative Method for Ultrasound Tomography, Vietnam Conference on Control and Automation (VCCA-2011), ISBN 978-604-911-020-7, 2011, pp.786-791 [15] Tran Duc Tan, Gian Quoc Anh, Improvement of Distorted Born Iterative Method for Reconstructing of Sound Speed, Vietnam Conference on Control and Automation (VCCA-2011), ISBN 978-604-911-020-7, 2011, pp.798-803 [16] Zhou Wang, Student Member : A Universal Image Quality Index, IEEE Signal Processing Letters, Vol 9, No 3, March 2002 43 PHỤ LỤC 1: CODE MATLAB DBIM t t c sai số c a phép khôi phụ so sánh nh t c v i vật th ta cần có m t giá trị tham chi u c a thí nghiệp gọi hàm mục tiêu lý tưởng Hàm có th c t o ươ t 21 ậy ta có th t o hàm mục ti tưởng cho vật th hình trụ v i tần số : Hàm mục ê l ưởng SC=zeros(N,N); xo=(N+1)/2;yo=(N+1)/2; for m=1:N for n=1:N dis=sqrt((xo-m)^2+(yo-n)^2); if dis>3.5355*N/10 SC(m,n)=0; else SC(m,n)=(2*pi*f0)^2*(1/(c1^2)-1/(co^2));%da doi f f0 end; end; end; i ã ụ ti tưởng ta t o cấu hình hệ i việc bố trí máy phát máy thu xung quanh vật th : L=N*N; phi=linspace(-pi,pi,L); No=10*N; % at first N=11, No can be changed when changing N % however it is affected to distance from tranceivers to object % because distance=No*h= constant K2=cos(phi)*(No+.5)+x0(2); K1=sin(phi)*(1.5*No-.5) + x0(1); KK2=K2;KK1=K1; %noise_flag: option 0: noise init, 2: no noise noise_flag=0; transmiter=1:N:L;%may phat co the thay doi duoc detector=1:2*N:L;%may thu co the thay doi duoc plot(KK2(detector),KK1(detector),'s') hold on plot(K2(transmiter),K1(transmiter),'r*') hold on; mesh(abs(SC)) legend('detector','transmiter','scatter area') ậy t ã thuật tốn 1: Lặ i ph i tính sau: ầu tiên ⃑̅, ̅, ụ ti vi t ⃑̅ ̅ tươ tưởng cần khôi phục m t hệ ươ t t t t ⃑̅ ụ 44 26 7) ụng Tính tín hiệu c a sóng t i   J k pinc r 0 r r  k  vi t Matlab ta có pix=[]; k=1:N; for i=1:N pix=[pix;k]; end; PINC=[]; for l=transmiter pinc=besselj(0,ko*h*sqrt((K1(l)-pix').^2+(K2(l)-pix).^2)); %pinc=besselj(0,4.1e3*h*sqrt((K1(l)-pix').^2+(K2(l)-pix).^2)); PINC=[PINC ; pinc]; end; save PINC_2D_matrix PINC Tín hiệu ̅ th yt i ối tư c b ng cách lấy hiệu số c a tín hiệu t i có th tính b ươ t c t có th i ối tư ng Cịn mơ ươ t t h i tính dụng hàm mụ ti tưở ậy theo c a hàm Green từ pixel t hai ma trận B C, ma trận B C tính ma trận hệ số i máy thu hệ số Green pixel: ̅ li calculate_B_matrix_DBIM: BB=[]; ko_SC=sqrt(ko*ko+abs(SC)); % matrix ko_SC1=sqrt(ko*ko+abs(SC1)); % matrix BB_SC=[];BB_SC1=[]; for l=detector B=-.25*j*h*h*besselj(0,ko*h*sqrt((KK1(l)-pix').^2+(KK2(l)-pix).^2));% no update B_SC=-.25*j*h*h*besselj(0,ko_SC.*h*sqrt((KK1(l)-pix').^2+(KK2(l)pix).^2)); B_SC1=-.25*j*h*h*besselj(0,ko_SC1.*h*sqrt((KK1(l)-pix').^2+(KK2(l)pix).^2)); BB=[BB ; B]; BB_SC=[BB_SC ; B_SC];BB_SC1=[BB_SC1 ; B_SC1]; end; calculate_C_matrix_DBIM: CC=[]; CC_SC=[];CC_SC1=[]; for l1=1:N for l2=1:N C=-.25*j*h*h*besselj(0,ko*h*sqrt((l1-pix').^2+(l2-pix).^2)); %no update C_SC =-.25*j*h*h*besselj(0,ko_SC.*h*sqrt((l1-pix').^2+(l2-pix).^2)); 45 C_SC1=-.25*j*h*h*besselj(0,ko_SC1.*h*sqrt((l1-pix').^2+(l2-pix).^2)); CC=[CC ; C]; CC_SC=[CC_SC ; C_SC];CC_SC1=[CC_SC1 ; C_SC1]; end ; end; c ⃑̅ i tị ươ Áp Dụn N iãti ững tham số t ị ti i tính ụ t t t ̅ ô tươ 9) Việc tính : ụ ụ ̅ từ i t ị ̅ t 11), 11) ta ph i áp dụng t ⃑̅ ể Tính function[delta_sound]=test_NCG(Mt,delta_sc_t,ni,RRE,gama) [n1,n2]=size(Mt); b=Mt'*delta_sc_t; x=b; r=b; delta_sound=zeros(n2,1); %delta_sound=zz; for i=1:ni q=Mt*x; %alpha=transpose(r)*r/(transpose(q)*q+gama*transpose(x)*x); alpha=r'*r/(q'*q+gama*x'*x); %s=transpose(Mt)*q; s=Mt'*q; r_update=r-alpha*(s+gama*x); %beta=(transpose(r_update)*r_update)/(transpose(r)*r); beta=(r_update'*r_update)/(r'*r); delta_sound=delta_sound+alpha*x; x=r_update+beta*x; r=r_update; %e=sum(abs(delta_sc_t))/sum(abs(p_sc_exact_t)); temp=delta_sc_t-Mt*delta_sound; e=temp'*temp/(delta_sc_t'*delta_sc_t); %tol=delta_sc _t'*delta_sc_t/(p_sc_exact_t'*p_sc_exact_t) if e