Phân đoạn và tái tạo hình ảnh 3 chiều từ hình ảnh chụp cắt lớp quang học

Trích xuất đối tượng trong ảnh 2 chiều chụp từ các thiết bị thu nhận ảnh trong bệnh viện như máy X-Quang, CT, MRI, OCT…và xây dựng ảnh 3 chiều để có được sự nhìn nhận tổng quan là vấn đề quan trọng, nó giúp bác sĩ chẩn đoán bệnh lâm sàng chính xác hơn. Máy chụp cắt lớp quang học - Optical Coherence Tomography (OCT) với ưu điểm độ phân giải cao, chụp ảnh không xâm lấn là công cụ đang được đẩy mạnh sử dụng để nghiên cứu các đối tượng trong y học.

32 Tạp Chí Khoa Học Giáo Dục Kỹ Thuật Số 51 (01/2019) Trường Đại Học Sư Phạm Kỹ Thuật TP Hồ Chí Minh PHÂN ĐOẠN VÀ TÁI TẠO HÌNH ẢNH 3-CHIỀU TỪ HÌNH ẢNH CHỤP CẮT LỚP QUANG HỌC SEGMENTATION AND 3D RECONSTRUCTION FROM OPTICAL COHERENCE TOMOGRAPHY IMAGES Lê Mỹ Hà1, Nguyễn Văn Bình2 Trường Đại học Sư phạm Kỹ thuật TP.HCM, Việt Nam Trường Cao đẳng nghề Kỹ thuật Thiết bị Y tế Bình Dương, Việt Nam Ngày soạn nhận 23/3/2018, ngày phản biện đánh giá 5/4/2018, ngày chấp nhận đăng 20/4/2018 TĨM TẮT Trích xuất đối tượng ảnh chiều chụp từ thiết bị thu nhận ảnh bệnh viện máy X-Quang, CT, MRI, OCT…và xây dựng ảnh chiều để có nhìn nhận tổng quan vấn đề quan trọng, giúp bác sĩ chẩn đốn bệnh lâm sàng xác Máy chụp cắt lớp quang học - Optical Coherence Tomography (OCT) với ưu điểm độ phân giải cao, chụp ảnh không xâm lấn công cụ đẩy mạnh sử dụng để nghiên cứu đối tượng y học Tuy nhiên, ảnh thu từ máy OCT có nhiễu hạt nhiễu muối tiêu nhiều nên gây khó khăn q trình trích xuất thông tin đối tượng mà số phương pháp phân đoạn thông thường không thực Bài báo áp dụng phương pháp phân đoạn dựa vào đường bao động để trích xuất đối tượng cột sống chụp từ chuột thí nghiệm Phương pháp trích xuất vùng cột sống thực phân đoạn có độ xác cao nhiều hình ảnh chụp cắt lớp với độ sâu khác Đồng thời, hình ảnh chiều cột sống tái tạo từ hình ảnh chiều phân đoạn cho kết tốt so sánh với chương trình phân đoạn tái tạo thủ cơng Từ khóa: Chụp cắt lớp quang học; tăng cường ảnh; lọc nhiễu; xử lý hình thái; phân đoạn; tái tạo hình ảnh chiều ABSTRACT Extracting object in 2-D images which are taken by image acquisition devices in medical such as X-ray, CT, MRI, OCT, etc and reconstructing of 3D images to get a general observation is a complicated problem This method will assist to diagnose clinical diseases more accurately Optical Coherence Tomography (OCT) with such advantages as high resolution and non-invasive imaging is a device that has been more and more promoted for research of objects in the medical field However, images obtained from OCT contain noise and salt-pepper noise, which cause many difficulties in the extraction process and several segmentation methods to be unworkable This paper proposes a novel segmentation method based on the dynamic boundary to extract spinal cord objects from OCT images which are taken on the spine of a mouse This method has successfully extracted the spinal cord and worked automatically, followed by 3D image reconstruction of the spinal cord from segmented 2D image data Keywords: OCT; enhancing images; noise filter; morphology; segmentation; 3D reconstruction GIỚI THIỆU Với công nghệ chụp cắt lớp quang học (OCT) kỹ thuật chụp ảnh không xâm lấn giới thiệu Huang vào năm 1991 [1] Kỹ thuật này, hình ảnh thu cách qt tuyến tính theo trục A trục B, hình ảnh cắt ngang (cross-sectional Tạp Chí Khoa Học Giáo Dục Kỹ Thuật Số 51 (01/2019) Trường Đại Học Sư Phạm Kỹ Thuật TP Hồ Chí Minh images), ảnh thu có cấu trúc hiển vi đến mô sống với độ phân giải cao (̴ 2-10μm) [2], thời gian quét hình ảnh nhanh ảnh thu theo thời gian thực Tuy nhiên ảnh thu có độ nhiễu cao, nhiễu hạt nhiễu muối tiêu nhiều, đường biên không rõ ràng làm cho phân đoạn ảnh trở nên khó khăn Để phân đoạn trích xuất đối tượng ảnh y học thường dùng hai hướng dựa vào phân tích gradient điểm ảnh khơng dựa vào gradient điểm ảnh Phân đoạn dùng đường viền động dùng đường cong xem rắn (snake) sở gradient ảnh phương pháp Gradient Vector Flow Snakes [3], phương pháp đường bao động [4] để phân vùng đối tượng mong muốn Ưu điểm phương pháp dễ thao tác, tự thích ứng với trạng thái tổi thiểu lượng, thích hợp với ảnh có đường biên rõ ràng Bên cạnh có nhiều nhược điểm, chủ yếu phụ thuộc vào tiêu chuẩn đánh giá gradient để làm điều kiện dừng trình phát triển vùng nên phát đường biên có gradient rõ ràng Trong thực tế giá trị gradient rời rạc bị giới hạn hàm điều kiện dừng không không biên ảnh Khi ảnh bị nhiễu lớn việc dùng lọc Gaussian làm mịn ảnh gây việc làm mịn đường biên cho kết phân đoạn khơng xác Trong báo áp dụng phương pháp phân đoạn ảnh dựa đường bao động khác không cần dùng hàm dừng nghĩa không dùng gradient ảnh để xử lý trình dừng phân đoạn Điều kiện dừng áp dụng kỹ thuật phân đoạn đề xuất Mumford–Shah Theo đó, phương pháp phát đường biên ảnh với gradient khơng gradient, ví dụ đối tượng có đường biên mịn đường biên khơng liên tục Trong nghiên cứu này, nhóm tác giả áp dụng phân đoạn vùng ảnh OCT cột sống chuột Đặc biệt phương pháp phân đoạn tự động, thuận tiện cho việc xử lý nhiều ảnh lúc Sau phân đoạn xong, dựa vào iso – surface mà cụ thể thuật toán Macrching Cubes [5] 33 để xây dựng ảnh chiều từ liệu ảnh cắt lớp hai chiều sau phân đoạn Lưu đồ giải pháp đề xuất trình bày Hình Thu nhận ảnh Tiền xử lý ảnh Phân đoạn ảnh Xây dựng ảnh chiều Hình Lưu đồ phương pháp đề xuất PHƯƠNG PHÁP PHÂN ĐOẠN DỰA TRÊN ĐƯỜNG BAO ĐỘNG Cơ sở phương pháp phân đoạn có đường cong đặt vị trí ảnh, bắt đầu tìm kiếm khu vực đối tượng mà không phụ thuộc vào đường biên đối tượng Về chia ảnh thành hai vùng, giải vấn đề vách ngăn tối thiểu để tìm vách ngăn tốt bên bên đường cong, kết hợp kỹ thuật phân đoạn Momford – Shah [6] phương pháp level set [7] để tìm ranh giới đối tượng Trường hợp vô hướng Gọi Ω tập R2,  đường biên Ảnh u0:  →R, đường cong phần C(s) Trường hợp ảnh vơ hướng để tìm biên đối tượng ta tối thiểu hàm lượng sau [8]: F (c  , c  , C )   Length(C )    u0 ( x, y )  c  dxdy inside ( C )    outside ( C ) u0 ( x, y )  c  dxdy (1) Tạp Chí Khoa Học Giáo Dục Kỹ Thuật Số 51 (01/2019) Trường Đại Học Sư Phạm Kỹ Thuật TP Hồ Chí Minh 34 Trong C đường cong ban đầu c+, clà cường độ trung bình điểm ảnh bên bên đường cong C μ >0, λ+ >0, λ->0, tham số trọng lượng xác định thời gian phù hợp, thay đổi Khi μ lớn phát đối tượng lớn, μ nhỏ phát đối tượng nhỏ Đường biên phát dựa vào hai vùng u0≈c+, u0≈cvới cạnh đường cong C Đường cong C ranh giới đối tượng, đối tượng hai khu vực c+ c- Chuyển động đường cong định nghĩa [8]:        div      t      (0, x, y )  0 z ( x, y ), t  [0, ),( x, y )  IR (2) Trong ϕ hàm thiết lập cấp độ, phương trình tiến hóa đường cong di chuyển đường cong C dựa vào đường cong trung bình Hàm Heaviside định nghĩa: 1if z  H ( z)   0 if z  (3) Hàm Direct delta định nghĩa:  ( z)  d H ( z) dz Từ (2), (3), (4) công thức (1) viết lại: F (c  , c  ,  )     ( ( x, y ))  ( x, y )   F (c  , c  ,  )   Length(C )    N inside ( C )  N outside ( C ) (5)   u0 ( x, y )  c  (1  H ( ( x, y )))dxdy  i u0,i ( x, y)  ci dxdy i 1 N  i u0,i ( x, y)  ci dxdy i 1 F (c  , c  ,  )     ( ( x, y ))  ( x, y )  N  N   N     i i 1 N  i i 1 u0,i ( x, y )  ci H ( ( x, y ))dxdy u0,i ( x, y )  ci (1  H ( ( x, y )))dxdy ci ci tính theo Ф sau:  i u c   ( x, y ) H ( ( x, y ))dxdy  H ( ( x, y))dxdy   (6) (average(u0,i ) on   0) Đối với trường hợp ảnh có giá trị vector Gọi u0,i kênh thứ i ảnh u0 tập Ω, i=1, …, N Đường cong tiến hóa C Mỗi kênh chứa số khác biệt ảnh Gọi c   (c1 , , cN ) c   (c1 , , cN ) hai (8) Trong i = 1, …, N,  ,  ,   1 , , N tham số điều chỉnh độ nhạy việc phát đối tượng μ thông số giới hạn trọng lượng độ dài  giới hạn trọng lượng sai số Khi μ lớn  nhỏ thích hợp cho mơ hình lọc nhiễu tần số cao,  lớn thích hợp cho việc phát đối tượng với chi tiết đẹp 0,i Với c+, c- định nghĩa theo ϕ sau: (7) Tương tự trường hợp vô hướng, xấp xỉ giá trị vector phụ thuộc vào ci , ci ranh giới đường cong C Cân lượng chiều dài đường viền ảnh u0 trung bình tất kênh Mơ hình phát cạnh kênh, không thiết phải tất kênh, sau kết hợp với cú pháp OR Biểu thức (7) viết lại:  c  average(u0 ) on     c  average(u0 ) on   N  , (4)     u0 ( x, y )  c  H ( ( x, y ))dxdy vector không đổi chưa biết Công thức (1) viết lại sau [9]: u 0,i  i c   ( x, y )(1  H ( ( x, y )))dxdy  H ( ( x, y))dxdy  (average(u0,i ) on   0) Tạp Chí Khoa Học Giáo Dục Kỹ Thuật Số 51 (01/2019) Trường Đại Học Sư Phạm Kỹ Thuật TP Hồ Chí Minh Hàm heaviside direct delta định nghĩa lại sau:   1if z    H1, ( z )   if z   1 z z  1   sin( )  if z          1, ( z )  H1,'  ( z ) H 2, ( z )  1 z   arctan( )  ,  2     2, ( z )  H 2,'  ( z ) Hàm tối thiểu lượng F định nghĩa lại: F (c  , c  ,  )   t  ( ( x, y ))  ( x, y ) dxdy  t  N  i u0,i ( x, y )  ci H ( ( x, y ))dxdy  N i 1  t  N  i u0,i ( x, y )  ci (1  H ( ( x, y )))dxdy  N i 1 hai đường ánh sáng theo tỷ lệ 50:50, đường ánh sáng vào mẫu, đường ánh sáng vào tham chiếu Độ phân giải ngang ánh sáng 1.3μm, tín hiệu giao thoa thu hệ thống bao gồm quang phổ kế, kính hội tụ cảm biến qt dịng CCD (Charge Coupled Device) Thơng tin độ sâu ảnh phân tích cách biến đổi Fourier nhanh (FFT) tín hiệu thu Ảnh chụp cắt lớp chiều ảnh chiều thu cách thêm quét ngang hai chiều đường ánh sáng vào mẫu Độ nhạy hệ thống 92,8dB 3.2 Thu nhận ảnh thay đổi kích thước Ảnh ban đầu kích thước lớn, đối tượng cần phân đoạn nhỏ, trình xử lý tính tốn nhanh ta cắt bỏ phần không cần thiết ảnh Ảnh sau cắt bỏ (9) phần bên ngồi khơng mong muốn kết hình Giả sử c  , c  tham số không đổi, tối thiếu hàm F với tham số ϕ Theo Euler – Lagrange ϕ tính sau (các tham số hướng độ dốc theo thời gian):       div         N       i u0,i ( x, y )  ci  N i 1 t  N      u ( x, y )  c  i  N i 1 i 0,i  Điều kiện   ( )  0   n dừng 35           (10) biên: Line CCD Lens Differaction grating Broadband light source Beam splitter Lens Scanner Objective Reference mirror Sample Hình Cấu trúc máy OCT KẾT QUẢ THỰC NGHIỆM 3.1 Chụp cắt lớp quang học Với cấu trúc máy OCT hình 2, hệ thống đèn phát ánh sáng có bước sóng trung tâm 840nm băng thông phổ 60nm Ánh sáng vào chia thành a) Ảnh ban đầu b) Ảnh sau cắt Hình Thay đổi kích thước ảnh 36 Tạp Chí Khoa Học Giáo Dục Kỹ Thuật Số 51 (01/2019) Trường Đại Học Sư Phạm Kỹ Thuật TP Hồ Chí Minh 3.3 Tăng độ tương phản ảnh Ảnh OCT ảnh có độ phân giải lớn mà nhiễu muối tiêu nhiều, khó khăn tìm biên đối tượng trình phân đoạn Vì ta phải thực tăng cường độ tương phản ảnh để làm bật đối tượng cần xử lý Giả sử ảnh đầu vào A, ảnh ngõ B Giá trị ngõ qua phép tăng cường ảnh có qua cơng thức (11), Ảnh sau tăng cường có kết hình B=((A.*A).*A)/max(max(A.*A).*A)) a) Ảnh ban đầu (11) b) Ảnh sau tăng độ tương phản Hình Tăng độ tương phản ảnh 3.4 Lọc nhiễu Lọc ảnh bước quan trọng trình xử lý ảnh, ảnh OCT nhiễu cực cao nên lọc để giảm nhiễu Sử dụng lọc trung vị với ưu điểm loại bỏ nhiễu muối tiêu giữ đường biên đối tượng Xtv giá trị điểm ảnh ngõ ra, n số phần tử mặt nạ lọc Bộ lọc trung vị thể qua công thức (12) với n lẻ công thức (13) với n chẵn Kết lọc ảnh thể qua hình Xtv = X(n/2+1) (12) Xtv = (X(n/2) + X(n/2+1))/2 (13) Ảnh sau lọc điểm ảnh nhiễu màu trắng loại bỏ, ảnh mịn trơn 3.5 Phân đoạn Sau dùng phương pháp phân đoạn đường bao động kết phân đoạn ban đầu hình a) Ảnh ban đầu b) Ảnh sau phân đoạn Hình Kết ảnh phân đoạn ban đầu Đối tượng trích xuất cịn số phần nhỏ bên nền, để loại bỏ phần ta bắt đầu tìm diện tích đối tượng sau giữ lại phần có diện tích lớn nhất, kết hình a) Ảnh ban đầu b) Ảnh sau loại bỏ đối tượng nhỏ Hình Kết ảnh loại bỏ đối tượng khơng cần thiết 3.6 Xử lý hình thái a) Ảnh ban đầu b) Ảnh sau lọc nhiễu Hình Kết ảnh lọc nhiễu Xử lý hình thái học gồm phép giãn ảnh, phép co ảnh, phép mở ảnh, phép đóng ảnh Mỗi phép xử lý có ưu nhược điểm riêng để loại bỏ phần rìa biên đối tượng Tạp Chí Khoa Học Giáo Dục Kỹ Thuật Số 51 (01/2019) Trường Đại Học Sư Phạm Kỹ Thuật TP Hồ Chí Minh 37 làm cho biên mịn ta sử dụng phép mở ảnh Giả sử ta có tập A ảnh đầu vào, phần tử cấu trúc B (mặt nạ) Phép mở nhị phân ảnh A với phần tử cấu trúc B thể qua công thức (14) A○B=(A⊖B) ⊕ B (14) Kết phép mở ảnh hình Hình 10 Kết ảnh chiều cột sống chuột dùng chương trình Amira a) Ảnh ban đầu b) Ảnh sau thực phép mở ảnh Hình Kết ảnh xử lý hình thái Kết cho thấy phần rìa bên ngồi loại bỏ, đường biên mịn hơn, hình dạng đối tượng giữ nguyên 3.7 Xây dựng ảnh chiều Thuật toán xây dựng ảnh chiều báo dùng thuật toán marching cubes [5] Thuật tốn thích hợp cho ảnh cắt lớp song song Kết ảnh chiều thể qua hình Để đánh giá kết ta so sánh với phần mềm Amira Amira phần mềm xử lý ảnh y sinh dùng cho nghiên cứu Kết xây dựng ảnh chiều dùng phần mềm Amira thể qua hình 10 Hình Kết ảnh chiều cột sống chuột Qua kết ảnh chiều từ phần mềm Amira ta nhận thấy kết khơng xác phương pháp báo, phần mềm amira phần mềm xử lý tay nên xử lý tập nhiều ảnh với giá trị khơng xác bước phân đoạn Từ ảnh hưởng đến kết ảnh chiều KẾT LUẬN Phương pháp đề xuất phân đoạn ảnh OCT, tái tạo mơ hình ảnh chiều từ liệu phân đoạn thu Phương pháp phân đoạn hoàn toàn tự động nên phân đoạn nhiều ảnh lúc Ngoài phương pháp áp dụng cho loại ảnh có tỉ lệ pixel nhiễu hạt nhiễu muối tiêu lớn mà số phương pháp phân đoạn khác khơng cho kết xác Việc tái tạo hình ảnh chiều cho độ xác tốt so sánh với việc phân đoạn tái tạo phần mềm thực thủ công khác Trong tương lai gần phương pháp cải tiến để áp dụng phân đoạn tái tạo hình ảnh chiều số ảnh y học khác ảnh MRI, CT… Thêm vào đó, nhóm tác giả cải tiến mơ hình để kết phân đoạn xác ảnh có biên mờ, hạn chế sử dụng bước xử lý hình thái gây sai lệch mơ hình gốc ban đầu 38 Tạp Chí Khoa Học Giáo Dục Kỹ Thuật Số 51 (01/2019) Trường Đại Học Sư Phạm Kỹ Thuật TP Hồ Chí Minh TÀI LIỆU THAM KHẢO [1] [2] [3] [4] [5] [6] [7] [8] [9] D Huang, E.A.Swanson, C P Lin et al Optical coherence tomography Science, vol 254, no.5035, pp 1178–1181, 1991 Wolfgang Drexler Ultrahigh - resolution ophthalmic optical coherence tomography Journal of Biomedical Optics, vol 9, no 1, pp 47-74, 2004 Chenyang Xu and Jerry L Prince Snakes, Shapes, and Gradient Vector Flow IEEE transaction on image processing, vol 7, no 3, 1998 Michael Kass, Andrew Witkin and Demretri Terzopoulos Snakes: Active Contour Models International Journal of Computer Vision, pp 321 – 331, 1988 William E Lorensen, Harvey E Cline Marching Cubes: A high resolution 3D surface construction algorithm Computer Graphics, Vol 21, No 4, 1987 Mumford, D and Shah, J.: Optimal approximations by piecewise smooth functions and associated variational problems Comm on Pure and Applied Math Vol 42, pp 577– 685, 1989 S Osher and J A Sethin Fronts propagating with curvature-dependent speed: Algorithms based on Hamilton– Jacobi formulation, J Comput Phys, pp 12–49, 1988 Tony F Chan, B Yezrielev Sandberg and Luminita A Vese Active Contours without Edges IEEE Transactions on image processing, vol 10, no 2, 2001 Tony F Chan, B Yezrielev Sandberg and Luminita A Vese Active Contours without Edges for Vector – Valued Images Journal of Visual Communication and Image Representation 11, pp 130 – 141, 2000 Tác giả chịu trách nhiệm viết: Lê Mỹ Hà Trường Đại học Sư phạm Kỹ thuật TP.HCM Email: halm@hcmute.edu.vn ... Cubes [5] 33 để xây dựng ảnh chiều từ liệu ảnh cắt lớp hai chiều sau phân đoạn Lưu đồ giải pháp đề xuất trình bày Hình Thu nhận ảnh Tiền xử lý ảnh Phân đoạn ảnh Xây dựng ảnh chiều Hình Lưu đồ... điểm ảnh nhiễu màu trắng loại bỏ, ảnh mịn trơn 3. 5 Phân đoạn Sau dùng phương pháp phân đoạn đường bao động kết phân đoạn ban đầu hình a) Ảnh ban đầu b) Ảnh sau phân đoạn Hình Kết ảnh phân đoạn. .. hưởng đến kết ảnh chiều KẾT LUẬN Phương pháp đề xuất phân đoạn ảnh OCT, tái tạo mô hình ảnh chiều từ liệu phân đoạn thu Phương pháp phân đoạn hoàn toàn tự động nên phân đoạn nhiều ảnh lúc Ngoài phương