Nghiên cứu xử lý ảnh spect tim trong hỗ trợ chẩn đoán bệnh động mạch vành

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

Nguyễn Thành Trung

NGHIÊN CỨU XỬ LÝ ẢNH SPECT TIM TRONG HỖTRỢ CHẨN ĐOÁN BỆNH ĐỘNG MẠCH VÀNH

Ngành: Kỹ thuật Điện tửMã số: 9520203

LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỆN TỬ

NGƯỜI HƯỚNG DẪN KHOA HỌC:

Hà Nội - 2021

Lời cam đoan

Tác giả xin cam đoan đây là công trình nghiên cứu riêng của tác giả, không sao chépcủa bất kỳ người nào Các số liệu kết quả nêu trong luận án là hoàn toàn trung thực và chưatừng được tác giả khác công bố.

T/M tập thể giáo viên hướng dẫn Hà Nội, ngày tháng

Lời cảm ơn

Tôi xin chân thành cảm ơn TS Nguyễn Thái Hà và GS.TS Nguyễn Đức Thuận,những người đã nhiệt tình hướng dẫn và giúp đỡ tôi rất nhiều trong quá trình nghiên cứu vàhoàn thành Luận án.

Tôi cũng xin chân thành cảm ơn Bộ môn Công nghệ Điện tử và Kỹ thuật Y sinh,Phòng Đào tạo, Viện Điện tử -Viễn thông, Trường Đại học Bách Khoa Hà Nội đã tạo điềukiện thuận lợi để tôi hoàn thành nhiệm vụ nghiên cứu của mình.

Tôi cũng xin chân thành cảm ơn tới khoa Y học Hạt nhân, bệnh viện Trung ươngQuân đội 108; viện Công nghệ Thông tin, viện Khoa học và Công nghệ Quân sự đã hỗ trợ,cộng tác, tạo điều kiện để tôi hoàn thành nhiệm vụ nghiên cứu của mình.

Tôi cũng bày tỏ lòng biết ơn đến Gia đình tôi, vợ và con tôi, các anh chị em, đồngnghiệp và bạn bè những người đã ủng hộ và động viên giúp đỡ tôi trong thời gian làm Luậnán.

2 Đối tượng, phương pháp và phạm vi nghiên cứu của luận án……… …… …4

3 Ý nghĩa khoa học và thực tiễn của luận án………5

1.2 Xạ hình tưới máu cơ tim bằng máy SPECT……….… 11

1.2.1 Nguyên lý của phương pháp chụp xạ hình tưới máu cơ tim ……….… 11

1.2.2 Giá trị của phương pháp xạ hình tưới máu cơ tim bằng máy SPECT……… ….13

1.2.3 Các yếu tố ảnh hưởng tới độ chính xác kết quả chẩn đoán……… … 15

1.3 Giải pháp xử lý ảnh SPECT tim trong hỗ trợ chẩn đoán bệnh động mạch vành …… …….17

1.3.1 Tình hình nghiên cứu các giải pháp trong nước ……… ….17

1.3.2 Tình hình nghiên cứu các giải pháp ngoài nước ……….… 18

1.3.3 Nhận xét, đánh giá các giải pháp đã khảo sát và đề xuất giải pháp của tác giả… 231.4 Kết luận chương 1……… ……… 25

CHƯƠNG 2 XÂY DỰNG BỘ CƠ SỞ DỮ LIỆU SPECT TIM……… 27

2.1 Vấn đề nghiên cứu … ……….……….27

2.2 Quy trình thu thập dữ liệu ……… ……… ………….32

2.2.1 Cơ sở y học hạt nhân tiến hành thu thập dữ liệu……… 32

2.2.2 Quy trình xạ hình tưới máu cơ tim……… …….34

2.2.2.1 Quy trình thực hành theo từng vị trí……….……34

2.2.2.2 Quy trình thực hiện kỹ thuật xạ hình tưới máu cơ tim bằng máy SPECT362.2.3 Tiêu chuẩn loại trừ mẫu……… 37

2.3 Quy trình xử lý, chuẩn hoá dữ liệu……….38

2.3.1 Quy trình chuẩn hoá dữ liệu hình ảnh………38

2.3.2 Quy trình chuẩn hoá dữ liệu thông tin lâm sàng………40

2.4 Quy trình gắn nhãn dữ liệu……….41

2.5 Xây dựng các tính năng bộ cơ sở dữ liệu……… 44

2.6 Phân bố dữ liệu, tính cỡ mẫu ……… …….46

2.7 Nhận xét, đánh giá bộ cơ sở dữ liệu………….……… …47

2.7 Kết luận chương 2.……… …50

CHƯƠNG 3 XÂY DỰNG BỘ LỌC NHIỄU SUY GIẢM SỬ DỤNG MẠNG DEEPLEARNING 52

3.1 Vấn đề nghiên cứu … ……….……….52

3.2 Xây dựng mô hình lọc nhiễu suy giảm cho ảnh SPECT MPI……… …56

3.2.1 Các mô hình CAE, GAN, U-net……… …56

4.2.1 Thu thập dữ liệu thực nghiệm………93

4.2.2 Hiệu chỉnh suy giảm bằng mô hình 3D Unet GAN……… …94

TÀI LIỆU THAM KHẢO……….…… …113

DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ……… ……….121

DANH MỤC CÁC HÌNH VẼ

Hình 1.1 Bệnh động mạch vành… ……….………8

Hình 1.2 Mạch máu của tim 1 Xoang ngang 2.Động mạch vành phải 3 Động mạch vành trái 4 Động mạch mũ tim 5 Động mạch liên thất trước ………9

Hình 1.3 Đặc trưng hình ảnh khuyết xạ trên xạ hình tưới máu cơ tim………12

Hình 1.4 Chiến thuật điều trị thiếu máu cơ tim cục bộ dựa trên xạ hình tưới máu cơ tim……15

Hình 1.5 Sự phát triển của học máy trong tim mạch hạt nhân……… …18

Hình 1.6 So sánh đường ROC giữa SVM và 2 bác sĩ trong dò tìm tổn thương cơ tim … …19

Hình 1.7 Độ nhạy, độ đặc hiệu và độ chính xác của thuật toán ML so với TPD và phân tích trực quan của 2 chuyên gia ………20

Hình 1.8 Đường cong ROC cho dự đoán biến cố tim bất lợi MACE………21

Hình 1.9 Mô hình DL trong dự đoán tắc nghẽn mạch vành……… ……22

Hình 2.1 Hệ thống máy SPECT: Infinia, Optima, Ventri……… 30

Hình 2.2 Quy trình xạ hình tưới máu cơ tim bằng máy SPECT………36

Hình 2.3 Ảnh lát cắt và ảnh cực được trình bày theo protocol chẩn đoán ……… … 39

Hình 2.4 Protocol chuyên lấy ảnh cho học máy………39

Hình 2.5 Sơ đồ chuẩn hóa dữ liệu……… …40

Hình 2.6 File trả lời kết quả……… ……41

Hình 3.4 Biểu diễn ma trận điểm màu……… ……58

Hình 3.5 Ba ma trận biểu diễn ảnh màu……….………59

Hình 3.6 Ảnh mầu là một tensor 3 chiều ……… …… 59

Hình 3.7 Phép tính tích chập……… …60

Hình 3.8 Phép tính tích chập cho ảnh màu có 3 kênh red, green, blue……… ……61

Hình 3.9 Tensor 3 chiều có chiều sâu k……….……61

Hình 3.17 Kiến trúc 3D-CAE đề xuất………73

Hình 3.18 Đầu vào NC, ảnh biến đổi và ảnh đích thật ………76

Hình 3.19 Kiến trúc 3DUnet-GAN………78

Hình 3.20 Đồ thị hàm Sigmoid……… 79

Hình 3.21 Đồ thị hàm mục tiêu trong trường hợp yi = 1……… 81

Hình 3.21 Đồ thị hàm mục tiêu trong trường hợp yi = 0……….… 81

Hình 3.23 Ảnh đầu vào, ảnh dự đoán và ảnh thật……… ……84

Hình 4.1 Deep learning neural network, Regression, Random Forests, Support vector machine, Gradient Boosting Machines………89

Hình 4.2 Trích xuất đặc trưng của học máy và deep learning ……… …89

Hình 4.3 Ảnh dự đoán hiệu chỉnh suy giảm GenAC từ mô hình 3D Unet GAN và ảnh chưa hiệu chỉnh suy giảm NC……… …92

Hình 4.4 Thứ tự sắp xếp ảnh……….……….93

Hình 4.5 Phần mềm hỗ trợ đọc kết quả trong thực nghiệm……… ……….94

Hình 4.6 Độ chính xác chẩn đoán……… 96

Hình 4.7 So sánh độ nhạy và độ đặc hiệu……… 98

Hình 4.8 Gia tăng tỉ lệ phát hiện bệnh nhân không tổn thương khi dùng GenAC……… … 98

Hình 4.9 Gia tăng tỉ lệ phát hiện các nhánh không tổn thương……… 99

Hình 4.10 A Ảnh cắt lát; B Ảnh bản đồ cực……… … … 100

Hình 4.11 Khuyết xạ tưới máu trên hình ảnh SPECT tim……… …………101

Hình 4.12 Kiến trúc VGG gồm 16 lớp CNN……… ….102

Hình 4.13 Kiến trúc mạng deep-learning sử dụng để chẩn đoán CAD……… ………… 103

Hình 4.14 Kiểm tra chéo 5 đoạn (5-fold cross validation) ……….……105Hình 4.15 Độ chính xác của 2 mô hình sử dụng ảnh cắt lát MPI và ảnh cực trên các tập con105

Hình 4.16 Độ chính xác trung bình của 2 mô hình sử dụng ảnh cắt lát MPI và ảnh bản đồ

Hình 4.17 ROC của 2 mô hình sử dụng ảnh cắt lát MPI và ảnh bản đồ cực…… …………106

DANH MỤC CÁC BẢNG BIỂU

Bảng 1.1 Độ nhậy, đặc hiệu của SPECT MPI trong chẩn đoán bệnh động mạch vành….……14

Bảng 1.2 Các nghiên cứu sử dụng học máy ứng dụng trong tim mạch hạt nhân………… …23

Bảng 2.1 Bảng thống kê các tập dữ liệu CT và SPECT MPI……….……28

Bảng 2.2 Các tập dữ liệu ứng dụng trí tuệ nhân tạo trong tim mạch hạt nhân……… 32

Bảng 2.3 Dữ liệu nghiên cứu……… ……38

Bảng 2.4 Bảng mã hóa hệ số nguy cơ……….…41

Bảng 2.5 Bảng phân loại nhãn……… ……42

Bảng 2.6 17 phân vùng cơ tim dùng trong trả lời kết quả……… ……….……43

Bảng 2.7 Bảng thống kê thông tin của bộ dữ liệu……… …….…45

Bảng 2.8 Phân bố dữ liệu……… …….…46

Bảng 3.1 Số lượng mẫu……… …………72

Bảng 3.2 Kích thước của từng lớp 3D-CAE……… ……74

Bảng 3.3 Đánh giá trên các phép đo khác nhau (chữ in đậm thể hiện kết quả đo tốt nhất) …77

Bảng 3.4 Kết quả thực nghiệm (giá trị bôi đen là tốt nhất) ……… …85

Bảng 3.5 Đánh giá hiệu suất (chữ in đậm cho giá trị đo tốt nhất) ……….……86

Bảng 4.1 Bảng thống kê thông tin của bộ dữ liệu……… ……91

Bảng 4.2 Bảng thống kê tổn thương cơ tim……….… 92

Bảng 4.3 Bảng chia mẫu……… …93

Bảng 4.4 Số lượng mẫu……… …….… 102

DANH MỤC CÁC TỪ VIẾT TẮT

CAD Coronary artery disease Bệnh động mạch vành

RCA Right coronary artery Động mạch vành phải

LAD Left anterior decending Động mạch liên thất trước

LCx Left circumplex artery Động mạch mũ

MPI Myocardial perfusion imaging Xạ hình tưới máu cơ tim

SPECT Single photon emission computed Chụp vi tính cắt lớp phát xạ đơn photon

CT Computed tomography Chụp cắt lớp vi tính

SRS Summed rest score Tổng điểm pha nghỉ

SSS Summed stress score Tổng số điểm pha gắng sức

SDS Summed differences score Điểm chênh lệch giữa 2 pha

TPD Total perfusion deficit Tổng khuyết xạ

AUC ROC Areas under the receiver-operating Vùng dưới đường cong roccharacteristic curve

SVM Support vector machine Máy vectơ hỗ trợ

TID Transient ischemic dilation Triệu chứng thiếu máu thoáng qua

MACE Major adverse cardiovascular events Biến cố tim mạch bất lợi

OSEM Ordered subset expectation Thuật toán tái tạo osemmaximization

IRAC Iterative reconstruction attenuation Hiệu chỉnh suy giảm tái tạo lặpcorrection

FBP Filtered back projection Chiếu ngược có lọc

PET/MR Positron emission tomography– Chụp ảnh lai ghép positron và cộngmagnetic resonance imaging hưởng từ

DL Deep learning Học sâu

CADx Computer-aided diagnosis Hỗ trợ chẩn đoán bằng máy tính

MNIST Mixed national institute of standards Viện quốc gia hỗn hợp về tiêu chuẩn và

DDSM Digital database for screening Cơ sở dữ liệu số về chụp ảnh vúmammography

MIAS Mammographic imaging analysis Cộng đồng phân tích ảnh nhũ vúsociety

IRMA Image retrieval in medical applications Hình ảnh trong các các ứng dụng y tế

QGS Quantitative gated spect Định lượng gắn cổng điện tim spect

QPS Quantitative perfusion spect Định lượng tưới máu spect

ASNC American society of nuclear Hiệp hội tim mạch hạt nhân hoa kỳcardiology

RBG Red green blue 3 màu đỏ xanh lá xanh da trời

NC Non attenuation correction Không hiệu chỉnh suy giảm

AC Attenuation correction Hiệu chỉnh suy giảm

CAE Convolutional auto-encoder Mã hõa tự động tích chập

MBIR Model-based iterative reconstruction Mô hình thuật toán tái tạo lặp

NNC Neural network convolution Mạng nơ ron tích chập

RED-CNN Residual encoder-decoder convolution Mạng nơ ron tích chập giải mã-mã hóa

neural network

GAN Generative adversarial network Mạng sinh

CNN Convolutional neural network Mạng nơ ron tích chập

MSE Mean squared error Sai số toàn phương trung bình

PSNR Peak signal to noise ratio Tỉ số tín hiệu cực đại trên nhiễu

SSIM Structural similarity index Chỉ số so sánh sự tương đồng cấu trúc

HVS Human visual system Hệ thống thị giác của con người

PCC Pearson's correlation coefficient Hệ số tương quan pearson

UQI Universal quality index Hệ số chất lượng phổ quát

NMAE Normalized mean absolute error Sai số tuyệt đối trung bình chuẩn hóa

MỞ ĐẦU

1 Lý do chọn đề tài, mục đích nghiên cứu

Ngày nay, nguyên nhân gây tử vong và tàn phế hàng đầu tại các quốc gia phát triển làbệnh tim mạch Tại các nước đang phát triển, bệnh tim mạch cũng có xu hướng gia tăng.Bệnh tim mạch chiếm 34,2% số tử vong chung trên toàn thế giới mỗi năm cho dù đã cónhiều phương pháp điều trị hữu hiệu Ở Việt Nam, số người chết vì bệnh tim mạchkhoảng 200.000 người, chiếm ¼ tổng số ca tử vong hằng năm Theo thống kê, cứ 3 ngườitrưởng thành thì có 1 người có nguy cơ tim mạch Số liệu trên được đưa ra tại tọa đàm"Vì trái tim khỏe Việt Nam" diễn ra tại bệnh viện Tim Hà Nội 2015.

Bệnh động mạch vành là bệnh lý tim mạch hay gặp nhất, là nguyên nhân gây tử vonghàng đầu trên thế giới Nguyên nhân gây ra bệnh này chủ yếu do xơ vữa thành mạch, gâythiếu máu cơ tim cục bộ Tổ chức y tế thế giới ước tính có tới 3,8 triệu đàn ông và 3,4triệu phụ nữ chết vì bệnh động mạch vành mỗi năm Tại các nước ở Bắc Mỹ và Tây Âu,tỉ lệ chết vì bệnh này đã giảm nhưng tại các nước đang phát triển, trong đó có Việt Nam,tỉ lệ này đang tăng nhanh Con số ước tính chỉ ra rằng khoảng 82% tỉ lệ chết vì bệnh độngmạch vành trong tương lai sẽ xẩy ra ở các nước đang phát triển.

Xạ hình tưới máu cơ tim MPI (Myocardial Perfusion Imaging) bằng máy chụp cắtlớp phát xạ vi tính đơn photon SPECT (Sigle Photon Emission Computed Tomography)là phương pháp chẩn đoán bệnh thiếu máu cơ tim cục bộ không chảy máu có độ nhạy vàđộ đặc hiệu cao Kỹ thuật này được thực hiện rộng rãi tại các nước phát triển bởi nhữnggiá trị chẩn đoán nó mang lại Theo một thống kê gần đây tại Hoa Kỳ, mỗi năm cókhoảng 7 triệu lượt bệnh nhân được tiến hành chụp xạ hình tưới máu cơ tim và đây làphương pháp được áp dụng nhiều nhất trong chuyên ngành tim mạch hạt nhân.

Tuy nhiên, kỹ thuật xạ hình tưới máu cơ tim là một kỹ thuật khó, trải qua nhiều bướcthực hiện từ dược chất phóng xạ, ghi hình, xử lý hình ảnh và đọc kết quả Độ chuẩn xáccủa các bước này ảnh hưởng tới độ chính xác của chẩn đoán Trong các yếu tố làm giảmđộ chính xác của chẩn đoán thì nhiễu suy giảm trong khi ghi hình và sai sót chủ quan củabác sĩ đọc kết quả là những yếu tố quan trọng gây ảnh hưởng tới chất lượng chẩn đoán.

Một, nhiễu suy giảm là hiện tượng tia photon bị suy giảm năng lượng khi đi qua các tổchức mô có tỉ trọng khác nhau, làm cho các photon không đến được các đầu dò của máySPECT, dẫn đến phân bố phóng xạ ở cơ tim ghi bởi máy SPECT không chính xác Để giảiquyết vấn đề này, nhiều giải pháp đã được đưa ra như chụp nằm sấp, cải tiến thuật toán táitạo và hiệu quả nhất bây giờ là gắn thêm một máy chụp cắt lớp vi tính (CT) vào cùng máySPECT Tuy nhiên, giá thành máy SPECT sẽ tăng lên đáng kể, kèm theo đó là các chi phí vềphòng ốc và làm tăng nguy cơ mất an toàn bức xạ…Thêm vào đó, theo thống kê, số lượngmáy SPECT đơn thuần đang chiếm khoảng 80 % trên thế giới nên giải quyết được nhiễu suygiảm mà vẫn tận dụng được những máy này có ý nghĩa quan trọng.

Hai, sai sót chủ quan của bác sĩ bắt nguồn trình độ chuyên môn, độ phức tạp của hìnhảnh, số lượng bệnh nhân lớn, khả năng tập trung, tâm trạng, sức khỏe…Theo thống kê ởHoa Kỳ, sai sót chẩn đoán chung ước tính vào khoảng 10 đến 15% và trong tim mạch hạtnhân là 30 % Giải pháp hỗ trợ phân loại bệnh nhân có tổn thương và không có tổnthương được phát triển nhằm giúp bác sĩ ra quyết định trên ảnh SPECT tim Về cơ bảngiải pháp hộ trợ này giống như người đọc thứ 2 có nhiệm vụ xác định tổn thương trênhình ảnh SPECT tim.

Như vậy, vấn đề xử lý nhiễu suy giảm và hỗ trợ chẩn đoán để nâng cao độ chính xác lànhững yêu cầu cấp bách Trước các vấn đề đó, các giải thuật học sâu đang có tiềm năng tolớn có thể là câu trả lời phù hợp nhất Tuy nhiên, để thử nghiệm và đánh giá hiệu quả của cácmô hình học sâu cần có tập dữ liệu lớn, đáng tin cậy Theo các nghiên cứu về trí tuệ nhân tạotrong tim mạch hạt nhân trên thế giới thì số lượng nghiên cứu còn hạn chế, các tập dữ liệu cósố mẫu nhỏ, chưa có nguồn gốc tin cậy Đa phần các tập dữ liệu này đều sử dụng mẫu đầuvào là các biến chức năng, các tham số định lượng… phù hợp với mô hình học máy cũ nhưmáy hỗ trợ vec-tơ, chưa tận dụng được sức mạnh của học sâu với công cụ trích chọn đặctrưng tự động từ hình ảnh Một số tập dữ liệu tốt, có số lượng mẫu lớn, thu thập ở nhữngtrung tâm tin cậy thì không công khai, cá nhân hóa nên việc tiếp cận tập dữ liệu này rất khókhăn Thêm nữa, các tập dữ liệu trên đều dựa trên cơ sở dữ liệu của bệnh nhân nước ngoài đểtính các tham số định lượng nên khi áp dụng vào đặc điểm hình ảnh

SPECT tim của người Việt Nam chắc chắn có nhiều hạn chế Điều này đã được nhiềunghiên cứu chứng minh và khuyến cáo rằng mỗi chủng người cần có bộ cơ sở dữ liệuriêng để đánh giá Từ những điều trên có thể thấy rằng tập dữ liệu nghiên cứu SPECT timcòn ít và không áp dụng được cho người Việt Nam, cần xây dựng bộ cơ sở dữ liệu mangcác đặc trưng của người Việt Tuy nhiên, việc xây dựng cơ sở dữ liệu SPECT tim lớn sẽrất khó khăn vì kỹ thuật xạ hình tưới máu cơ tim bằng máy SPECT là một kỹ thuật khó,rất ít trung tâm Y học Hạt nhân ở Việt Nam có thể làm được Bên cạnh đó, sự tiếp cận dữliệu với các vấn đề về quy định, bảo mật cũng như trình độ xử lý dữ liệu còn hạn chế sẽlàm công việc này trở nên khó khăn hơn.

Mục đích của luận án là hỗ trợ chẩn đoán, hạn chế sai sót thông qua nghiên cứu, xửlý ảnh SPECT tim nhằm đưa ra các biện pháp cải thiện chất lượng hình ảnh, nâng cao độ

chính xác chẩn đoán phương pháp xạ hình tưới máu cơ tim bằng máy SPECT.

Do đó, nghiên cứu sinh đã tiến hành xây dựng các mục tiêu :

 Xây dựng bộ dữ liệu SPECT tim có số mẫu lớn, độ tin cậy cao mang đặc trưng củangười Việt Nam Mục tiêu này giải quyết vấn đề cơ sở dữ liệu để thử nghiệm và kiểm định

kết quả của các giải thuật học sâu trong hiệu chỉnh nhiễu suy giảm và hỗ trợ chẩn đoán nângcao độ chính xác của phương pháp xạ hình tưới máu cơ tim Thực hiện mục tiêu này bằngcách xây dựng các quy trình : quy trình thu thập dữ liệu, quy trình xử lý chuẩn hóa dữ liệu,quy trình gắn nhãn dữ liệu, quy trình xây dựng các đặc tính của bộ dữ liệu Dữ liệu bệnhnhân được thu thập từ quy trình thực hành chuẩn Y học Hạt nhân cho dược sĩ chuẩn bị dượcchất phóng xạ, kỹ thuật viên tiêm và chụp hình, bác sĩ trả lời kết quả Quy trình thu nhậnhình ảnh được thiết lập theo hướng dẫn của hội tim mạch hạt nhân châu Âu và hiệp hội timmạch hạt nhân Hoa Kỳ Quy trình xử lý dữ liệu được thiết lập để bảo tồn các đặc trưng hìnhảnh SPECT tim, chuẩn hóa dữ liệu cho phù hợp với đầu vào của các mô hình học máy, loạibỏ các thông tin không cần thiết giảm khối lượng tính toán, kết hợp các yếu tố nguy cơ đưavào bộ cơ

sở dữ liệu Quy trình gắn nhãn dữ liệu được thực hiện bởi các bác sĩ có ít nhất 10 năm

dữ liệu như trích xuất thông tin bệnh nhân, bảo mật thông tin người bệnh, trích xuấtcác đặc tính mang tính thống kê như tuổi, giới tính, bệnh sử lâm sàng, kết luận tổnthương…

 Đề xuất giải pháp lọc nhiễu suy giảm mà không dùng đến máy CT bằng học máy, tậndụng được những máy SPECT thông thường Giải pháp này chính là áp dụng mô hình học

sâu trong dự đoán ảnh có hiệu chỉnh suy giảm, có chất lượng và độ chính xác tương đươnghình ảnh hiệu chỉnh suy giảm bằng máy chụp cắt lớp CT Dữ liệu đưa vào mô hình học máygồm tập ảnh được chuẩn hóa ở mục tiêu trên, chụp bởi hệ thống máy SPECT/CT hiện đạinhất của Gehealthcare, bao gồm ảnh đầu vào chưa có hiệu chỉnh suy giảm, ảnh gắn nhãnhuấn luyện là ảnh hiệu chỉnh suy giảm bằng CT của cùng bệnh nhân tương ứng Mô hình họcđược thiết kế phù hợp với các đặc trưng hình ảnh SPECT tim, các tham số được cải thiện quacác thử nghiệm.

 Đề xuất giải pháp hỗ trợ bác sĩ nâng cao độ chính xác chẩn đoán trên ảnh SPECTtim Mục tiêu này nhằm làm giảm sai sót do yếu tố chủ quan, mà cụ thể là phục vụ bác sĩ

trong quá trình trả lời kết quả Mô hình học sâu sẽ học các đặc trưng của hình ảnh mangtổn thương và đặc trưng của bệnh nhân không có tổn thương Trải qua quá trình huấnluyện, mô hình sẽ hỗ trợ bác sĩ phân loại bệnh nhân không có tổn thương nhanh hơn, tậptrung vào các bệnh nhân có tổn thương Dữ liệu học ở đây chính là hình ảnh SPECT timkèm các hệ số nguy cơ, đầu ra gắn nhãn bởi bác sĩ sẽ giúp mô hình mạng thiết lập cáctham số tối ưu.

2 Đối tượng, phương pháp và phạm vi nghiên cứu của luận ánĐối tượng nghiên cứu của luận án:

 Đặc trưng hình ảnh xạ hình tưới máu cơ tim bằng máy SPECT, các yếu tố ảnh hưởngđến hình ảnh SPECT tim đặc biệt là nhiễu suy giảm.

 Các mô hình xử lý nhiễu ảnh, các giải pháp nâng cao chất lượng hình ảnh. Nghiên cứu phương pháp ghi hình và thu thập dữ liệu SPECT tim

Phương pháp nghiên cứu của luận án

Phương pháp nghiên cứu sử dụng trong luận án là phương pháp kinh điển: thuthập thông tin thông qua khảo sát thực tế, đề xuất xây dựng mô hình lý thuyết, sử dụngdữ liệu thực tế để kiểm tra kết quả và so sánh với các phương pháp khác đã công bố.

Phạm vi nghiên cứu của luận án:

 Đặc trưng hình ảnh SPECT tim, các phương pháp lọc nhiễu: Nghiên cứu đặc trưnghình ảnh tổn thương và không tổn thương, nhiễu suy giảm thường gặp và các phươngpháp loại bỏ nhiễu.

 Các mô hình phân lớp sử dụng trí tuệ nhân tạo và phương pháp xây dựng các mô hình này.

 Các mô hình lọc nhiễu, tăng cường chất lượng hình ảnh, các phương pháp xây dựng các mô hình này.

 Nghiên cứu các bộ cơ sở dữ liệu, phương pháp xây dựng bộ cơ sở dữ liệu phù hợp với học sâu.

3 Ý nghĩa khoa học và thực tiễn của luận án

Về ý nghĩa khoa học:

 Có được một bộ dữ liệu SPECT tim có số lượng lớn, độ chính xác cao, xây dựngtại cơ sở y học hạt nhân có uy tín được công bố rộng rãi Bộ dữ liệu này được xây dựngvới các đặc trưng hình ảnh SPECT tim của người Việt Nam Đây không chỉ phục vụ chonghiên cứu của tác giả mà còn phục vụ các nghiên cứu khác trong xử lý ảnh, hỗ trợ chẩnđoán bệnh động mạch vành trên ảnh SPECT tim sau này.

 Vấn đề xử lý nhiễu suy giảm trên ảnh SPECT tim bằng deep learning được nghiêncứu tổng thể, có hệ thống trên một cơ sở dữ liệu lớn, độ chính xác cao, thực hiện tại mộtcơ sở y học hạt nhân tin cậy Mô hình lọc nhiễu được đề xuất có độ chính xác tươngđương việc lắp thêm một máy chụp cắt lát CT cùng thuật toán phức tạp vào máy SPECTthông thường.

 Vấn đề hỗ trợ bác sĩ trong trả lời kết quả xạ hình tưới máu cơ tim được nghiên cứutổng thể Điều đó được thể hiện thông phương pháp phân loại tổn thương hay không tổnthương được đề xuất.

SPECT đơn thuần sẵn có để thực hiện được kỹ thuật cao như xạ hình tưới máu cơtim Thư ba, giải pháp này sẽ là cảm hứng để phát triển các thế hệ máy SPECT tiếptheo trong tương lai Thứ tư, ý tưởng của giải pháp này có thể mở rộng áp dụng đểhiệu chỉnh suy giảm cho ảnh PET/CT, ảnh PET/MR…

 Giải pháp hỗ trợ chẩn đoán sẽ phân loại có tổn thương hay không có tổn thương cơtim trên ảnh SPECT tim Các bác sĩ sẽ tập trung phân tích nhiều hơn vào các trường hợpnghi ngờ, giảm sai sót, tăng độ chính xác chẩn đoán.

 Đề xuất giải pháp hỗ trợ chẩn đoán xạ hình tưới máu cơ tim bằng máy SPECT nâng cao độ chính xác bằng giải thuật học sâu.

6

5 Bố cục của luận án

Mở đầu: Trình bày về các vấn đề chung của luận án, tóm tắt các nội dung nghiên cứu,

những đóng góp và bố cục của luận án.

Chương 1: Giới thiệu về giải phẫu tim và bệnh lý mạch vành, các phương pháp chẩn

đoán, xạ hình tưới máu cơ tim và giá trị của phương pháp này Chương 1 cũng nêu ra tìnhhình nghiên cứu các giải pháp trong lĩnh vực xử lý ảnh SPECT tim cả trong và ngoàinước cùng với những nhận xét, đánh giá các nghiên cứu khảo sát, đề xuất hướng nghiêncứu của tác giả.

Chương 2: Tác giả tiến hành xây dựng bộ cơ sở dữ liệu SPECT tim làm cơ sở để huấn

luyện, đánh giá các thuật toán trong xử lý ảnh và giải pháp hỗ trợ chẩn đoán trong cácchương tiếp theo.

Chương 3: Tác giả xây dựng bộ lọc nhiễu suy giảm sử dụng mạng deep learning Từ

các đặc trưng hình ảnh của SPECT tim, tác giả cấu trúc lại các lát cắt 2D thành dữ liệu3D nhằm bảo tồn các đặc trưng có mối liên hệ không gian giữa các lát Sau đó, tác giảxây dựng các mô hình học có khả năng lọc nhiễu suy giảm cao là 3D ConvolutionalAuto-Encoder (3D-CAE), 3DUnet-GAN Để đánh giá hiệu quả của các mô hình, cácphép đo NMAE, PCC, SSIM đã được sử dụng.

Chương 4: Tác giả phát triển 2 giải pháp hỗ trợ chẩn đoán bệnh mạch vành Một, tác

giả tiến hành đánh giá giá trị của ảnh hiệu chỉnh suy giảm bằng mô hình học sâu tạo ratrình bày ở chương 3 với 2 bác sĩ có nhiều năm kinh nghiệm Từ đó, tác giả đề xuất hỗ trợchẩn đoán bệnh động mạch vành bằng nâng cao chất lượng hình ảnh qua dự đoán ảnhhiệu chỉnh suy giảm với mô hình học sâu Hai, tác giả đã khảo sát ảnh bản đồ cực và ảnhcắt lát để xác định loại dữ liệu đầu vào phù hợp cho mô hình học máy trong bài toán phânlớp Sau đó, tác giả đề xuất mô hình phân lớp có tổn thương và không có tổn thương.

Chương 5: Kết luận, kiến nghị và hướng phát triển.

Phần cuối cùng là danh mục, tài liệu tham khảo và các công trình đã công bố.Các đóng góp chính của luận án ở chương 2, chương 3 và chương 4 của luận án.

CHƯƠNG 1 TỔNG QUAN VỀ PHƯƠNG PHÁP XẠ HÌNHTƯỚI MÁU CƠ TIM BẰNG MÁY SPECT

1.1.Bệnh lý động mạch vành1.1.1.Giải phẫu tim và bệnh lý mạch vành

Ở hầu hết các nước trên thế giới, trong đó có Việt Nam, bệnh động mạch vành CAD(coronary artery disease) là vấn đề quan tâm hàng đầu của y học hiện đại vì tỷ lệ mắcngày càng cao và là một trong những nguyên nhân chính gây tử vong, mất sức lao động.Với bệnh nhân bị bệnh động mạch vành, chi phí điều trị rất lớn, đặc biệt là dành cho việcđiều trị khi bệnh ở mức độ nặng hoặc biến chứng [1].

Xơ vữa động mạch là nguyên nhân chính của bệnh động mạch vành Xơ vữa độngmạch làm dày thành động mạch, xâm lấn dần vào trong lòng mạch gây hẹp khẩu kính,dẫn đến giảm lưu lượng dòng chảy gây triệu chứng thiếu máu cục bộ cơ tim Thêm nữa,mảng xơ vữa cũng có thể bị rách, vỡ tạo điều kiện hình thành huyết khối gây bít tắc lòngmạch, dẫn đến biến chứng nặng nề là nhồi máu cơ tim cấp (hình 1.1).

Hình 1.1 Bệnh động mạch vành

Quả tim được nuôi dưỡng bởi hệ thống mạch máu gồm động mạch vành phải và độngmạch vành trái Động mạch vành phải RCA (Right Coronary Artery) cấp máu cho nửa phảicủa tim và một phần tâm thất trái Động mạch vành trái chia thành 2 nhánh lớn là động mạchliên thất trước LAD (Left Anterior Decending) và động mạch mũ LCx (Left

Circumplex Artery) cấp máu cho phần còn lại của tim (hình 1.2) Từ ba nhánh lớn nàycho ra rất nhiều các nhánh động mạch nhỏ hơn có nhiệm vụ mang máu giàu oxy từ độngmạch chủ đi nuôi dưỡng tất cả các cấu trúc trong quả tim Khi bị xơ vữa lòng mạch, lưulượng máu từ động mạch vành tới cơ tim bị giảm, cơ tim không nhận đủ oxy và xuất hiệncác cơn đau thắt ngực.

Hình 1.2 Mạch máu của tim

1 Xoang ngang 2.Động mạch vành phải 3 Động mạch vành trái4 Động mạch mũ 5 Động mạch liên thất trước

1.1.2 Các phương pháp chẩn đoán bệnh mạch vành

Trong thời gian qua, ngành tim mạch đã có những bước tiến lớn trong chẩn đoán,điều trị cấp cứu với những bệnh nhân mạch vành Phương pháp tái tưới máu cơ tim, đặcbiệt là can thiệp động mạch vành đã làm giảm tỉ lệ tử vong, nhồi máu cơ tim và tăng thờigian sống thêm đáng kể [2-4] Tuy nhiên, để có kết quả khả quan, việc chẩn đoán đúngbệnh, giai đoạn bệnh có ý nghĩa quan trọng, mang tính quyết định trong hướng điều trị.Hiện nay, có một số phương pháp chẩn đoán bệnh động mạch vành.

Điện tâm đồ là phương pháp đơn giản nhất để phát hiện những dấu hiệu của bệnhmạch vành Phương pháp này thu nhận những tín hiệu xung điện trong quá trình quả timhoạt động Thông qua tín hiệu điện tâm đồ, những biểu hiện của thiếu máu cơ tim, hoại tửcơ tim cũng như những biến chứng của bệnh tim mạch như dày thành tim, dãn buồng timvà rối loạn nhịp sẽ được phát hiện Đây là phương pháp thăm dò dễ thực hiện, ít tốn kém,mất ít thời gian để thực hiện kỹ thuật Tuy nhiên, sự tương quan của điện tâm đồ và bệnh

mạch vành không phải lúc nào cũng chính xác Thực tế lâm sàng cho thấy có khá nhiềutrường hợp có bệnh mạch vành mà điện tâm đồ lại không biến đổi Ngược lại, điện tâmđồ có thể biến đổi trong khi bệnh nhân lại không bị bệnh mạch vành (trường hợp nữ giới,bệnh nhân béo phì, tăng huyết áp).

Siêu âm tim với nguyên lý hoạt động dựa trên sóng siêu âm để tạo ra những hìnhảnh của trái tim khi tim đang hoạt động, nhằm mục đích khảo sát vận động của thành tim,chức năng tim cũng như van tim Khi bệnh nhân có bệnh động mạch vành, vùng cơ timđược cấp máu bởi nhánh mạch vành đó sẽ không được cấp đủ oxy Vùng cơ tim đó sẽ cóhiện tượng rối loạn vận động so với các vùng khác (có thể giảm vận động hoặc hoàn toànkhông vận động) Siêu âm tim thường phát hiện được bệnh mạch vành ở giai đoạn muộnvì lúc này đã xuất hiện những rối loạn vận động của buồng tim.

Chụp cộng hưởng từ MRI (magnetic resonance imaging) có thể cho các thông tin vềgiải phẫu, chức năng, sự tưới máu và chuyển hóa cơ tim Tuy nhiên, kỹ thuật này có mộtsố hạn chế như thời gian thực hiện dài, chống chỉ định nếu bệnh nhân có cấy một số thiếtbị kim loại Hiện tại, chụp MRI tim vẫn chưa được sử dụng rộng rãi trong lâm sàng.Nguyên nhân có thể do số chuyên gia làm MRI tim và sự tiếp cận với hệ thống này cònhạn chế Do vậy, chỉ định MRI tim thường được khuyến cáo trong trường hợp cần đánhgiá khi nghi ngờ có bất thường mạch vành hay cần đánh giá bệnh tim bẩm sinh phức tạp,hoặc trường hợp cần tránh tiếp xúc với tia X.

Kỹ thuật PET/CT (positron emission tomography/ computed tomography) hiện naytrong tim mạch được chỉ định là đánh giá tình trạng cơ tim sống còn (myocardialviability), phân biệt vùng cơ tim choáng (stunning), đông miên (hibernating) với sẹo cơtim PET/CT FDG được coi là phương pháp đánh giá khả năng hồi phục vận động, chứcnăng thất trái sau can thiệp tái tưới máu động mạch vành có độ nhạy cao Sử dụngPET/CT có thể cho phép tiến hành đồng thời chụp động mạch vành bằng CT đa lớp cắt,kết hợp với các thông tin của PET về tình trạng chức năng như tưới máu cơ tim, đánh giácơ tim sống còn được trình bày trên cùng 1 hình ảnh theo không gian 3 chiều.

Phương pháp MSCT (multi-slice computer tomography) tim là kỹ thuật chụp khôngxâm lấn, cho phép khảo sát trực tiếp lòng mạch để biết mức độ hẹp lòng mạch, đồng thời

đánh được các tính chất mảng xơ vữa động mạch Phương pháp này có độ tương phảncao, dễ áp dụng cho bệnh nhân vì thời gian nín thở chỉ từ 5 tới 7 giây.

Xạ hình tưới máu cơ tim MPI (myocardial perfusion imaging) bằng máy chụp cắt lớpphát xạ đơn photon SPECT (single photon emission computed tomography) là kỹ thuậtdùng để đánh giá lượng máu nuôi tim có đầy đủ hay không trong lúc nghỉ ngơi và vậnđộng Kỹ thuật này thường được chỉ định để tìm nguyên nhân đau ngực cũng như saunhồi máu cơ tim để kiểm tra vùng nào của tim không nhận đủ máu hoặc đánh giá độ rộngtổn thương cơ tim Bên cạnh đó, kỹ thuật SPECT MPI còn được dùng để xác định xemđộng mạch vành có bị hẹp hay không và hẹp ở mức độ nào Phương pháp này sẽ đượctrình bày nhiều hơn ở phần tiếp theo của luận án.

1.2 Xạ hình tưới máu cơ tim bằng máy SPECT

1.2.1 Nguyên lý của phương pháp chụp xạ hình tưới máu cơ tim.

Có nhiều phương pháp để chẩn đoán bệnh động mạch vành, từ bệnh sử của cơn đauthắt ngực, đến các xét nghiệm chẩn đoán không xâm lấn như điện tâm đồ, siêu âm, chụpcộng hưởng từ, xét nghiệm chẩn đoán xâm lấn như chụp mạch cản quang qua da, xạ hìnhtưới máu cơ tim Mỗi xét nghiệm đều có những ưu, nhược điểm riêng Tuy nhiên,phương pháp xạ hình tưới máu cơ tim MPI được sử dụng phổ biến hơn cả trong cáctrường hợp nguy cơ trung bình và cao vì những giá trị trong chẩn đoán nó mang lại.

Để thực hiện kỹ thuật này, bệnh nhân được tiêm dược chất phóng xạ vào cơ thể theođường tĩnh mạch Sau đó, máy SPECT sẽ chụp lại hình ảnh của những chất này di chuyểntrong tim Những chất đánh dấu sẽ đến tim thông qua đường máu Khi những chất đánhdấu này đến cơ tim thì những nơi nào cơ tim còn hoạt động tốt sẽ hấp thụ đầy đủ nhữngchất đánh dấu này, còn những nơi không hấp thụ chất đánh dấu thì chính là vùng khôngnhận đủ máu hoặc có thể đã bị hư hại bởi nhồi máu cơ tim Để cụ thể hơn, quá trình tạoảnh xạ hình tưới máu cơ tim bằng máy SPECT được mô tả như sau:

Trong thực tế, quả tim được nuôi dưỡng bởi 3 nhánh động mạch gồm động mạchvành phải, động mạch vành trái và động mạch liên thất trước Trong phần nguyên lý tạoảnh xạ hình tưới máu cơ tim, tác giả giả sử quả tim được nuôi bởi 2 động mạch là động

mạch phải và động mạch trái (hình 1.3.b) Động mạch phải không bị sơ vữa, máu lưu thông tốt Động mạch trái bị sơ vữa, lưu lượng máu lưu thông bị hạn chế.

Hình 1.3 Đặc trưng hình ảnh khuyết xạ trên xạ hình tưới máu cơ tim

Dược chất phóng xạ Tc99m được tiêm vào người bệnh nhân, theo cơ chế sinh lý sẽ bị cơ tim bắt giữ Chất phóng xạ bị lưu giữ tại cơ tim phát ra tia gamma có mức năng lượng140 keV, đi qua các tổ chức cơ thể, đập vào bề mặt đầu dò và tham gia quá trình tạo ảnh Hình ảnh thu nhận được chính là mật độ phóng xạ tại các vùng cơ tim.

Trong pha nghỉ, quả tim vận động bình thường nên nhu cầu máu nuôi tim không lớn,cung lượng tim vừa phải Do đó, mạch bên trái dù bị sơ vữa nhưng vẫn cung cấp đủ lưulượng máu nuôi sống cơ tim giống như nhánh bên phải Vì cung lượng tim ở hai nhánh giốngnhau nên mật độ phóng xạ tại các vung cơ tim chi phối bởi 2 nhanh cũng tương tự nhau.Điều này dẫn đến hình ảnh cắt lát cơ tim có mật độ phóng xạ tương đối đồng đều, gần giốngvới mạch không bị sơ vỡ Tuy nhiên, đối với một số bệnh nhân nặng, có độ hẹp lòng mạchlớn thì ngay tại pha nghỉ này cũng đã xuất hiện tình trạng thiếu máu nuôi dưỡng cơ tim Vìthiếu máu nên mật độ phóng xạ tại các vùng chi phối bởi 2 nhánh phải và trái không cânbằng, dẫn đến khuyết xạ khi so sánh các vùng cơ tim khác nhau Tương ứng với mất cânbằng phóng xạ đó là hình ảnh khuyết xạ trên hình ảnh cắt lát cơ tim (hình 1.3.a).

Trong pha gắng sức, quả tim vận động mạnh để bơm máu nuôi cơ thể, nhu cầu nuôidưỡng cơ tim lớn, cung lượng vành tăng, động mạch vành dãn ra làm tăng tiết diện lòngmạch để máu lưu thông nhiều hơn Tại nhánh phải không bị xơ vữa, máu lưu thông tốt chohình ảnh mật độ phóng xạ đồng đều trên vùng cơ tim chi phối Tại nhánh xơ vữa, bị hẹp

động mạch, dù thành mạch dãn ra nhưng vẫn không đủ tiết diện mạch để máu lưu thôngtốt, dẫn đến máu không đủ cung cấp cho vùng cơ tim chi phối tương ứng Vùng cơ timnày có mật độ phóng xạ thấp hơn vùng cơ tim chi phối bởi động mạch phải Sự mất cânbằng phóng xạ này gây ra hiện tượng khuyết xạ trên vùng chi phối bởi động mạch trái.Từ mất cân bằng này, hình ảnh cắt lát cơ tim tương ứng bị khuyết xạ Điểm khuyết xạnày chính là dấu hiệu cơ tim bị tổn thương.

Bác sĩ dựa vào 2 bộ ảnh pha nghỉ và pha gắng sức của cơ tim kết hợp với các thôngtin lâm sàng sẽ đưa ra kết quả chẩn đoán.

1.2.2 Giá trị của phương pháp xạ hình tưới máu cơ tim bằng máy SPECT

Tiêu chuẩn vàng trong xác định độ chính xác của xạ hình tưới máu cơ tim là chụpđộng mạch vành Tuy nhiên, mức đô hẹp mạch vành ước tính trên hình ảnh chụp mạchthường không tương quan chặt chẽ với mức độ nặng về chức năng dự trữ tưới máu độngmạch vành Số lượng và mức độ bệnh động mạch vành thường được đánh giá thấp hơntrong chụp mạch vành Hơn nữa, hiện tượng giảm tưới máu sinh lý có thể được quan sátthấy trên xạ hình mà không phát hiện có hẹp mạch vành trên chụp mạch là do bệnh vimạch hoặc khuyết xạ do chuyển hóa [5].

Ngày nay, xạ hình tưới máu cơ tim đã được chấp nhận, sử dụng rộng rãi, được coi làphương pháp chẩn đoán không chảy máu có vai trò quyết định trong lâm sàng Để đượcđiều đó, kỹ thuật này đã có những bước phát triển không ngừng, từ việc tìm ra các dượcchất gắn Tc99m như sestamibi, tetrofosmin , đến các phần mềm phân tích định tính đượccải tiến, các phương pháp hiệu chỉnh độ suy giảm (attenuation correction), kết hợp gắncổng điện tim (ecg gated spect mpi)…Các nghiên cứu lâm sàng đã đưa ra nhiều bằngchứng khoa học thuyết phục về sự chính xác tiên lượng, định hướng điều trị và theo dõibệnh động mạch vành của phương pháp xạ hình tưới máu cơ tim (bảng 1.1).

Bảng 1.1 Độ nhậy, đặc hiệu của SPECT MPI trong chẩn đoán bệnh động mạch vành

Với những ưu điểm trong chẩn đoán và tiên lượng của kỹ thuật MPI đã hỗ trợ đắclực cho các bác sĩ lựa chọn chiến thuật điều trị thích hợp đối với các bệnh nhân dựa trênkết quả MPI Với những bệnh nhân có kết quả MPI âm tính hoặc có hình ảnh khuyết xạnhẹ, cơn đau ngực có thể kiểm soát được thì điều trị nội khoa, cải thiện yếu tố nguy cơ vàtheo dõi Ngược lại, việc điều trị can thiệp được đặt ra đối với các bệnh nhân có tổnthương mức độ vừa hoặc nặng, diện rộng trên xạ hình MPI, cơn đau thắt ngực đáp ứngkém với điều trị nội khoa, bệnh nhân có kèm theo hình ảnh MPI nhiều dấu hiệu tiênlượng nặng như tổn thương đa mạch, rối loạn vận động thành thất và giảm chức năng tâmthu thất trái nặng (hình 1.4).

Hình 1.4 Chiến thuật điều trị bệnh thiếu máu cơ tim cục bộ dựa

trên xạ hình tưới máu cơ tim.

1.2.3 Các yếu tố ảnh hưởng tới độ chính xác kết quả chẩn đoán

Kỹ thuật xạ hình tưới máu cơ tim là một kỹ thuật khó, đòi hỏi nhiều yêu cầu kỹthuật và phải trải qua nhiều bước mới ra được hình ảnh chẩn đoán đảm bảo chất lượng.Mỗi bước đều cần thực hiện đúng quy trình để không làm ảnh hưởng tới kết quả chẩnđoán Các yếu tố ảnh hưởng tới độ chính xác chẩn đoán như liều lượng thuốc, kỹ thuậttiêm, kỹ thuật chụp, kỹ thuật xử lý hình ảnh, chuyên môn bác sĩ, các nhiễu phátsinh Trong phạm vi nghiên cứu, tác giả xin trình bầy hai yếu tố cơ bản góp phần lớn vàosai sót là nhiễu do hiệu ứng suy giảm và yếu tố chủ quan của người đọc kết quả.

Nhiễu ảnh hiệu ứng suy giảm do biến đổi tỉ trọng các mô mềm gây ra làm giảm độchính xác, độ đặc hiệu kỹ thuật xạ hình tưới máu cơ tim [6-9] Hình ảnh nhiễu này ở namgiới thường xuất hiện ở thành dưới và được gọi là suy giảm do cơ hoành (diaphragmaticattenuation) gây ra do những tạng dưới cơ hoành nằm giữa tim và đầu thu của gammacamera Hình dạng, kích thước, đặc điểm giải phẫu của bệnh nhân sẽ quyết định mức độ suygiảm Đôi khi, nhiễu do hiệu ứng suy giảm cũng có ở thành trước ở những bệnh nhân namgiới to béo Ở phụ nữ, hiệu ứng suy giảm có nguồn gốc từ vú nên hình ảnh giảm mật độphóng xạ thường thấy ở thành trước, mỏm tim hoặc thành bên Kích thước, vị trí của vú sẽquyết định mức độ nhiễu suy giảm Trong lâm sàng, nhiễu suy giảm ở vú có số lượng chiếmưu thế hơn so với nhiễu suy giảm từ các tạng dưới cơ hoành đối nữ giới Một số

trường hợp gặp nhiễu suy giảm khác là do quá nhiều mô mỡ, phì đại cơ, bệnh nhân khôngcó khả năng nâng tay trái lên do tổn thương.

Để khắc phục nhiễu suy giảm, các kỹ thuật chụp SPECT MPI kết hợp điện tâm đồECG-gating MPI, chụp nằm úp được sử dụng để cải thiện khuyết điểm này [10] Phươngpháp kết hợp ảnh chụp CT để hiệu chỉnh suy giảm mới được phát triển gần đây, đã tăngđộ chính xác chuẩn đoán hơn so với các phương pháp hiệu chỉnh trên [11-13] Tuy nhiên,số lượng máy sử dụng phương pháp hiệu chỉnh bằng CT còn hạn chế vì giá thành đắt lênnhiều, yêu cầu cao hơn cho phòng chụp và bảo đảm an toàn bức xạ.

Nguyên nhân thứ hai đề cập ở đây chính là sai sót chủ quan của bác sĩ đọc kết quả.Nguyên nhân này bắt nguồn bởi nhiều yếu tố như độ phức tạp của hình ảnh, trình độ củabác sĩ, số lượng bệnh nhân đông, khả năng tập trung, tâm trạng dẫn đến bỏ sót tổnthương, thay đổi chiến lược điều trị sai, gây hậu quả nghiêm trọng.

Theo báo cáo năm 2015 của Viện Hàn lâm y học quốc gia Hoa Kỳ thì hầu như mỗingười đều sẽ trải qua một chẩn đoán sai trong đời [14] Một báo cáo khác chỉ ra tỉ lệ chẩnđoán bỏ sót tổn thương, không chính xác được ước tính vào khoảng 10 đến 15 % [15].Kết quả thống kê khám nghiệm tử thi bệnh nhân sau điều trị chỉ ra lỗi chẩn đoán sai gâyra 10% trường hợp tử vong và từ 6 đến 17% gây ra tác dụng phụ [14] Điều này giải thíchtại sao chẩn đoán sai lại gây ra từ 40.000 đến 80.000 ca tử vong mỗi năm trong các bệnhviện Hoa Kỳ Ở các nước đang phát triển như Việt Nam, trình độ chuyên môn và cơ sởvật chất không bằng Hoa Kỳ thì các con số trên dự tính còn cao hơn.

Về tỉ lệ chẩn đoán sai của bác sĩ trong chụp cát lớp cộng hưởng từ và điện toán phứctạp, các nghiên cứu hồi cứu chỉ ra con số từ 30% trở lên [16] Tỉ lệ lỗi cao tương tự cũngđược thống kê ở kỹ thuật tim mạch hạt nhân [17].

Với hai yếu tố gây ra sai sót trong chẩn đoán SPECT MPI trình bày ở trên, việcnghiên cứu xử lý hình ảnh giảm nhiễu suy giảm và hỗ trợ giảm sai sót chủ quan của bácsĩ là những yêu cầu cấp thiết.

Không giống như các phương pháp hỗ trợ chẩn đoán sử dụng các chỉ số thống kê, trítuệ nhân tạo bắt chước và học cách giải thích của các chuyên gia, đưa ra gợi ý chẩn đoán dựatrên xác suất bất thường [18,19] Từ đó, bác sĩ có thể so sánh, đối chiếu, hạn chế bỏ

sót tổn thương, ra quyết định chính xác hơn Đây là công cụ đang được phát triển, hứa hẹn nhiều thành tựu trong tương lai.

1.3 Giải pháp xử lý hình ảnh SPECT tim trong hỗ trợ chẩn đoán bệnhmạch vành

1.3.1 Tình hình nghiên cứu các giải pháp trong nước.

Trong những năm gần đây, cộng đồng trí tuệ nhân tạo ở Việt Nam đã có nhữngbước phát triển lớn Các nghiên cứu về học máy nói chung và deep learning đang ngàycàng nhiều, đi vào các lĩnh vực trong đó có xử lý ảnh y tế Theo tìm hiểu của tác giả đãcó nghiên cứu như phát triển giải pháp hỗ trợ phát hiện các dấu hiệu tổn thương hình khốitrên ảnh chụp X- quang vú, ứng dụng mạng neural STK trong bài toán nhận dạng tín hiệuECG [20,21] Tuy nhiên, các nghiên cứu mô hình học máy trong xử lý ảnh SPECT timthì chưa có Nguyên nhân ban đầu có thể chỉ ra là cơ sở dữ liệu về lĩnh vực này còn rấthạn chế, khó truy cập.

Hiện nay, đánh giá trực quan là bước đầu tiên trong xác định khuyết xạ tưới máu vàthiếu máu cục bộ trong trả lời xạ hình tưới máu cơ tim Để hỗ trợ, một phương pháp bánđịnh lượng được sử dụng rộng rãi là mô hình 17 đoạn tạo ảnh cực (polar map) [22] Ảnhcực là ảnh 2D tổng hợp từ các ảnh lát cắt 3D theo khuyến cáo của hội tim mạch hạt nhânHoa Kỳ để đơn giản hóa hiện thị đồ họa của chỉ số định lượng bằng cách hiện thị một ảnhtổng hợp duy nhất Các chỉ số này định lượng mức độ tổn thương bằng tổng số điểm(summed score) dựa vào thang điểm mức độ nặng cho mỗi đoạn (segment), có thể tínhđược tổng điểm pha nghỉ (SRS: Summed Rest Score), tổng số điểm pha gắng sức (SSS:Summed Stress Score) và điểm chênh lệch giữa 2 pha (SDS: summed differences score),tổng khuyết xạ (TPD: total perfusion deficit) Các chỉ số định lượng này phản ánh tìnhtrạng thiếu máu cục bộ và nhồi máu [23-25] Các chỉ số này được tính bằng cách sử dụngcác thang điểm, trung bình thống kê, độ lệch của từng đoạn Các chỉ số này đã giúp íchnhiều cho các bác sĩ trong phương pháp chẩn đoán trực quan Tuy nhiên, nhiều nghiên đãchứng minh rằng trí tuệ nhân tạo cung cấp độ chính xác cao hơn các chỉ số này được trìnhbày ở phần tiếp theo của luận án.

1.3.2 Tình hình nghiên cứu các giải pháp ngoài nước.

Trong nhiều năm qua, xạ hình tưới máu cơ tim là một mảng quan trọng trong y họchạt nhân, là nền tảng trong chẩn đoán bệnh mạch vành tắc nghẽn [26] Sự chuyển từ chụpphẳng (planar) sang chụp cắt lớp đưa ra nhiều hình ảnh gấp hàng trăm lần cùng các thôngtin lâm sàng đã làm cho khối lượng thông tin cần tổng hợp tăng lên, dễ gây ra sai sót chủquan cho bác sĩ Trí tuệ nhân tạo đang nổi lên là một phương pháp giúp lĩnh vực timmạch hạt nhân vượt ra khỏi giới hạn của các phương pháp thống kê thông thường trongchẩn đoán, tiên lượng và an toàn điều trị Bằng việc kết hợp hình ảnh chụp, hồ sơ bệnh ánvà có thể cả bản đồ gen để trích xuất ra các đặc trưng đưa vào mạng học để xuất ra nhữngtrả lời kết quả ý nghĩa.

Dữ liệu được lấy từ PubMed giữa năm năm 2016 và 2018 cho thấy số lượng các ấnphẩm của phương pháp học máy trong tim mạch hạt nhân đã tăng lên đáng chú ý trong2018 và lớn hơn các ấn phẩm trong 2 năm trước đó cộng lại cho thấy sự quan tâm ngàycàng tăng trong học máy với lĩnh vực tim mạch hạt nhân (hình 1.5).

Trong phạm vi nghiên cứu của luận án, tác giả xin trình bày một số nghiên cứu cóliên quan nhiều tới xử lý ảnh SPECT tim trong hỗ trợ chẩn đoán bệnh mạch vành Nhữngnghiên cứu này đã cộng đồng tim mạch hạt nhân tìm hiểu, đồng thuận và được công bốgần đây.

Hình 1.5 Sự phát triển của học máy trong tim mạch hạt nhân

Arsajani và cộng sự thực hiện một nghiên cứu được thiết kế để cải thiện độ chínhxác của MPI cho dự đoán CAD bằng cách sử dụng thuật toán học có giám sát trong 957bệnh nhân bằng cách sử dụng hình ảnh tưới máu và biến chức năng [27] Trong đó, 334ca có khả năng thấp bị mạch vành và 623 ca có dấu hiệu tổn thương mạch vành Kết quảcủa học máy được so sánh với phần mềm định lượng tự động và 2 bác sĩ đọc kết quả cókinh nghiệm Độ nhạy và độ đặc hiệu cho kết quả cao hơn hẳn Đường cong ROC thểhiện vùng dưới đồ thị AUC (Areas under the receiver-operating characteristic curve) choSVM (Support vector machine) là 0.92 so với 0.87 và 0.88 tương ứng của 2 bác sĩ (p<0,03) Nghiên cứu chỉ ra độ chính xác ML (machine learning) có thể so sánh được vớicác chuyên gia nếu được huấn luyện tốt.

Hình 1.6 So sánh đường cong ROC giữa SVM

và 2 bác sĩ trong dò tìm tổn thương cơ tim.

Tương tự vậy, Arsajani và cộng sự cũng đưa ra một nghiên cứu khác trên 1181 bệnhnhân để dự đoán CAD bằng cách tích hợp các dữ liệu lâm sàng (post –ecg, tuổi, giới tính,TPD (total perfusion deficit), tham số chênh lệch pha gắng sức và pha nghỉ, triệu chứng thiếumáu thoáng qua TID (Transient Ischemic Dilation)) và hình ảnh đưa vào các thuật toán MLđể cải thiện độ chính xác SPECT tim [28] Thuật toán học máy logit-boost được sử dụngtrong nghiên cứu này Khuyết xạ tưới máu tổng TPD (total perfusion deficit) được tính bằngphần mềm định lượng tự động và có 2 chuyên gia có 30 năm và 10 năm kinh

nghiệm đọc hình ảnh Kết quả là ML có độ chính xác tương đương chuyên gia 1 và tốthơn phần mềm tính TPD cho nằm sấp và nằm ngửa (hình 1.7) Đường cong ROC chothuật toán ML (0,94 ± 0,01) là vượt trội so với phương pháp TPD và hai chuyên gia vớisự khác biệt có ý nghĩa thống kê (p <.001) Cuối cùng, Arsajani và cộng sự kết luận rằngML tích hợp với thông tin lâm sàng đã có thể cải thiện độ chính xác chẩn đoán củaSPECT MPI để phù hợp với những người đọc chuyên gia.

Hình 1.7 Độ nhạy, độ đặc hiệu và độ chính xác của thuật toán ML so với TPD

và phân tích trực quan của 2 chuyên gia.

Năm 2017, Betancur và cộng sự đã thực hiện một nghiên cứu đánh giá giá trị tiênlượng khi kết hợp ảnh tưới máu SPECT MPI với thông tin bệnh nhân để dự đoán các biến cốtim mạch bất lợi MACE (major adverse cardiovascular events) thông qua sử dụng thuật toánML [29] Lý do là hiện nay chẩn đoán trên ảnh MPI chỉ dựa vào hình ảnh cùng tham số phântích định lượng mà không để ý đến các xét nghiệm lâm sàng khác có khả năng dẫn đếndương tính giả cao Dữ liệu gồm 2619 bệnh nhân (48% là nam) được lấy ảnh MPI ở 2 phanghỉ/gắng sức, 38 % gắng sức thể lực và 62% dùng thuốc Đặc tính học cho máy gồm cácđặc trưng của bệnh nhân như tuổi, giới tính, tiền sử gia đình (hút thuốc, đau ngực, hệ số nguycơ) và đặc tính hình ảnh pha nghỉ và gắng sức Các đặc tính này gồm 28 đặc tính

ảnh, 17 đặc tính gắng sức, 28 đặc tính bệnh nhân Khám bệnh lâm sàng được thực hiệnbởi nhiều bác sĩ, những người nắm rõ thông tin bệnh nhân Thuật toán học máy là LogitBoost Kết quả chỉ ra ML kết hợp thông tin lâm sàng dự đoán MACE vượt trội so với MLchỉ sử dụng hình ảnh (AUC: 0.81 so với 0.78, p <.01), cao hơn chuyên gia đọc kinhnghiệm, phương pháp TPD cho ảnh pha gắng sức (automated stress total perfusiondeficit), phương pháp tính khuyết xạ tưới máu cục bộ tự động (automated ischemicperfusion deficit) tương ứng AUC: 0.81 vs 0.65 vs 0.73 vs 0.72, p < 0.01 (hình 1.8 )

Hình 1.8 Đường cong ROC cho dự đoán biến cố tim bất lợi MACE

Năm 2018, Betancur và cộng sự đã thực hiện nghiên cứu đa trung tâm ứng dụng Deeplearning (DL) vào dự đoán bệnh tắc nghẽn mạch vành bằng ảnh SPECT MPI và so sánh vớiphương pháp TPD (hình 1.9) [30] Số lượng bệnh nhân nghiên cứu là 1638, có 1018 ca(62%) và 1797 (37%) trên tổng 4914 mạch nhánh bị tắc nghẽn Thuật toán DL được huấnluyện với ảnh cực ban đầu (polar map) và ảnh cực định lượng (quantitative polar map) Kếtquả cho thấy DL có AUC cao hơn TPD (trên mỗi bệnh nhân 0,80 so với 0,78; mỗi nhánh0,76 so với 0,73(p <0.01) Bài báo kết luận Deep learning có khả năng phát triển trong

nâng cao khả năng phát hiện bệnh động mạch vành khi so sánh với các phương pháp yhọc hiện nay.

Hình 1.9 Mô hình DL trong dự đoán tắc nghẽn mạch vành

Về hiệu chỉnh ảnh suy giảm cho ảnh SPECT MPI, trong lâm sàng các biện pháp kỹthuật đã được thực hiện như chụp SPECT kết hợp điện tim, chụp nằm úp cũng như các thuậttoán tái tạo OSEM (ordered subset expectation maximization), IRAC (iterativereconstruction attenuation correction), FBP (images filtered back projection) được phát triển.Hiệu quả nhất hiện tại là kỹ thuật gắn thêm máy chụp cắt lát CT vào máy SPECT để đo trựctiếp sự suy giảm photon trong cơ thể và kết hợp với các thuật toán trên cho ra ảnh hiệu chỉnh.Tuy nhiên, phương pháp gắn thêm máy CT này đang tồn tại những vấn đề như giá thành vàyêu cầu phòng chụp cao, thuật toán phức tạp, khó ghép ảnh do chuyển động của bệnh nhân,an toàn bức xạ… Các phương pháp hiệu chỉnh sử dụng mô hình mạng neural mới được ápdụng gần đây vào hiệu chỉnh nhiễu cho CT liều thấp [31-34], nhưng chưa thấy có nghiên cứuxây dựng mô hình hiệu chỉnh suy giảm cho ảnh SPECT MPI.

Với sự phát triển của tim mạch hạt nhân, học máy nói chung và Deep Learning nóiriêng đang có những bước tiến lớn trong nghiên cứu ảnh SPECT MPI Trong thời giantới, nhiều mô hình thuật toán mới sẽ góp phần hiệu chỉnh ảnh, nâng cao độ chính xáctrong chẩn đoán hơn nữa.

Bảng 1.2 Các nghiên cứu sử dụng học máy ứng dụng trong tim mạch hạt nhân

1.3.3 Nhận xét, đánh giá các nghiên cứu đã khảo sát và đề xuất hướng nghiên cứu của tác giả

Trong các nghiên cứu trước đây, học máy và sự bắt đầu của deep-learning được ứngdụng trong xử lý ảnh SPECT nhằm nâng cao hiệu quả chẩn đoán, tiên lượng nguy cơ.Các nghiên cứu đã chỉ ra độ chính xác của học máy có thể so sánh được với các chuyêngia và hơn hẳn các phương pháp thống kê định lượng thông thường như TPD, SSS, SRS,SDS Bên cạnh đó, dữ liệu ảnh SPECT tim kết hợp với các thông tin lâm sàng đã giảmhẳn các dương tính giả, nâng cao độ chính xác chuẩn đoán khi so sánh với học máy chỉsử dụng ảnh chụp SPECT MPI Tại thời điểm nghiên cứu đó, các thành công này gópphần phát triển học máy trong lĩnh vực tim mạch hạt nhân.

Vài năm gần đây, với sự phát triển nhanh chóng của ngành tim mạch hạt nhân, kỹ thuậtSPECT MPI cũng nhiều thay đổi từ chụp không có hiệu chỉnh suy giảm tới có hiệu chỉnh suygiảm, số lượng lát cắt tim, độ phân giải hình ảnh tăng cùng với những thông tin lâm sàngnhiều hơn làm cho khối lượng tính toán và các thuật toán học máy trước đây khó có thể đápứng được Sự phát triển mạnh mẽ của phần cứng nâng tốc độ tính toán và thuật toán DeepLearning như VGG, Inception, Resnet, EffictienNet trong lĩnh vực thị giác máy

tính đang hứa hẹn nhiều tiềm năng trong xử lý ảnh SPECT tim trong tình hình mới Với góc nhìn hiện tại, theo tác giả thì các nghiên cứu trước đây còn tồn tại một số điểm: Chưa có nghiên cứu nào về hiệu chỉnh nhiễu suy giảm cho SPECT tim bằng môhình học máy trên một tập dữ liệu tin cậy, số lượng mẫu lớn Tất cả những phương pháphiệu chỉnh nhiễu suy giảm hiện tại đều bằng các biện pháp kỹ thuật thực hành y học, xửlý bằng phần cứng và thuật toán không liên quan tới trí tuệ nhân tạo [10-13].

 Dữ liệu đầu vào là ảnh cực Ảnh cực là kết quả của một phép biến đổi theohướng dẫn của hội tim mạch hạt nhân Hoa Kỳ và Châu Âu từ các ảnh lát cắt tim thànhmột ảnh tổng hợp duy nhất Ảnh cực giúp bác sĩ có cái nhìn tổng quát về tổn thương [30].Tuy nhiên, phép biến đổi này có nguy cơ làm mất thông tin trong quá trình biến đổi Dođó, bác sĩ thường nhìn cả ảnh cực và ảnh lát cắt trong khi đọc kết quả Nếu chỉ đưa ảnhcực vào thì độ chính xác của mô hình sẽ giảm xuống.

 Phương pháp thống kê định lượng như TPD, SRS, SSS, SDS dựa trên cơ sở dữliệu bệnh nhân chuẩn của nước chế tạo máy SPECT, thông thường là Hoa Kỳ Về đặcđiểm sinh học của từng chủng người là khác nhau nên cơ sở dữ liệu chuẩn cũng khácnhau theo từng nước [40,41] Do vậy, mô hình chẩn đoán so sánh với TPD, SRS, SSS,SDS cũng nên áp dụng với từng đối tượng cụ thể.

 Thuật toán học máy LogitBoot là một thuật toán học máy cơ bản Các thuật toán hiện nay có hiệu suất cao hơn đã được phát triển.

 Mô hình thuật toán Deep Learning áp dụng còn đơn giản, góp phần dẫn đến kết quả còn chưa cao.

Bên cạnh đó, tác giả nhận thấy số lượng nghiên cứu học máy về chụp cắt lớp CT rấtnhiều nhưng số nghiên cứu về SPECT MPI còn ít Nguyên nhân có thể kể đến là kỹ thuậtSPECT MPI là kỹ thuật khó, không phải trung tâm y học hạt nhân nào cũng làm được.Thêm nữa, sự tiếp cận và xây dựng nguồn dữ liệu khó khăn làm việc xây dựng bộ dữ liệuchuẩn không dễ thực hiện [42] Một vài nghiên cứu về SPECT MPI có kết quả tốt nhưng

24

thực hiện trên bộ dữ liệu cá nhân, chưa được chia sẻ rộng rãi Các nghiên cứu về saumuốn tham gia vào lĩnh vực này đều phải tìm nguồn dữ liệu, xử lý thông tin từ đầu.

Trên thế giới nói chung và ở Việt Nam nói riêng, số lượng máy SPECT/CT có chứcnăng hiệu chỉnh suy giảm còn hạn chế, chỉ tập trung tại các trung tâm lớn Theo thống kê,hệ thống máy SPECT đơn thuần đang chiếm khoảng 80% thị trường và đây là những hệthống dễ bị ảnh hưởng bởi nhiễu suy giảm [43,44] Máy SPECT thông thường chụpkhông có chức năng hiệu chỉnh sẽ làm giảm độ chính xác chuẩn đoán Bài toán lọc nhiễusuy giảm bằng mô hình mạng nhân tạo có ý nghĩa lớn trong thực tế cả về y học, kinh tếvà an toàn bức xạ

1.4 Kết luận chương 1

Bài toán nghiên cứu xử lý ảnh SPECT tim trong hỗ trợ chẩn đoán bệnh động mạchvành có ý nghĩa thực tiễn lớn vì độ chính xác của chẩn đoán quyết định tới chiến lược điềutrị mạch vành, ảnh hướng lớn tới sức khỏe người bệnh, giảm chi phí đầu tư thiết bị, tận dụngcác máy SPECT thông thường sẵn có, nâng cao bảo đảm an toàn bức xạ cho người bệnh….Do đó, đề xuất giải pháp lọc nhiễu suy giảm nâng cao chất lượng hình ảnh và mô

hình hỗ trợ chẩn đoán có ý nghĩa quan trọng trong thực tiễn, góp phần bổ xung các giảipháp hỗ trợ quá trình chẩn đoán, nâng cao độ chính xác chẩn đoán.

Ở Việt Nam, giải quyết thành công bài toán xử lý ảnh SPECT tim trong hỗ trợ chẩnđoán bệnh động mạch vành còn có những ý nghĩa quan trọng khác như kinh tế, phát triển kỹthuật, an toàn bức xạ …Việc xây dựng mô hình hiệu chỉnh suy giảm có độ chính xác tươngđương với máy chụp cắt lát CT dẫn tới kết quả là các máy SPECT thông thường cũng có thểlàm xạ hình tưới máu cơ tim có chức năng hiệu chỉnh suy giảm khi kết hợp mô hình lọcnhiễu này Điều này làm cho giá thành đầu tư thiết bị, công tác bảo đảm an toàn bức xạphòng máy giảm xuống đáng kể, tận dụng được các máy SPECT thông thường đang có sẵnnhiều ở Việt Nam Từ đó, kỹ thuật xạ hình tưới máu cơ tim có thể được chuyển giao xuốngcác tuyến dưới mà không phụ thuộc vào một vài trung tâm lớn có máy SPECT/CT như hiệnnay Bên cạnh đó, hiệu chỉnh nhiễu suy giảm bằng phần mềm sẽ làm giảm liều

chiếu xạ do không sử dụng bức xạ của CT để hiệu chỉnh, làm tốt hơn công tác an toànbức xạ cho bệnh nhân.

Về học thuật, chưa có nghiên cứu nào ở Việt Nam ứng dụng học máy trong xử lýảnh SPECT tim trong hỗ trợ chẩn đoán Đây là lần đầu tiên, nghiên cứu đề xuất bộ dữliệu SPECT tim chuẩn, mô hình hiệu chỉnh nhiễu suy giảm, mô hình phát hiện tổn thươngđược đề xuất Điều này được thể hiện trong các nội dung nghiên cứu của tác giả.

Từ những điểm hạn chế trên kết hợp với những điều kiện và yêu cầu hiện tại, tác giảđề xuất hướng nghiên cứu sau:

 Nghiên cứu xây dựng bộ dữ liệu chuẩn SPECT MPI của người Việt Nam. Nghiên cứu xây dựng mô hình lọc nhiễu suy giảm cho máy SPECT thông thường Nghiên cứu xây dựng mô hình phát hiện tổn thương, hỗ trợ chẩn đoán.