Xác định các mạch máu trong ảnh đáy võng mạc sử dụng bộ lọc thích nghi - Trường Đại Học Quốc Tế Hồng Bàng

Nghiên cứu này đã đề xuất giải thuật xác định các mạch máu trong ảnh đáy võng mạc sử dụng các bộ lọc Gauss với hệ số phương sai khác nhau để lọc các mạch máu có kích thước mặt cắt n[r]

XÁC ĐỊNH CÁC MẠCH MÁU TRONG ẢNH ĐÁY VÕNG MẠC

SỬ DỤNG BỘ LỌC THÍCH NGHI

Lê Ngọc Thúy*

Tóm tắt: Bài báo trình bày giải thuật xác định mạch máu ảnh đáy võng mạc sử dụng lọc thích nghi để lọc mạch máu có kích thước mặt cắt ngang khác ảnh võng mạc Giải thuật sử dụng ngưỡng xác định dựa phương pháp ma trận đồng xuất mức xám entropy bậc hai để xác định mạch máu từ đáp ứng lọc Kết thử nghiệm với sở liệu DRIVE cho thấy giải thuật rút trích mạch máu lớn mạch máu nhỏ trong ảnh võng mạc Khi so sánh với giải thuật sử dụng sở liệu, kết giải thuật đạt độ nhạy, độ xác cao so với giải thuật khác

Từ khóa: Ảnh đáy võng mạc; Phân tách mạch máu; Bộ lọc tương thích

1 GIỚI THIỆU

Ngày nay, việc chẩn đốn bệnh qua hình ảnh ngày phát triển với hỗ trợ máy móc đại y học Với gia tăng bệnh lý mắt bệnh glô-côm, giảm thị lực bệnh đái tháo đường, dẫn đến nhu cầu phân tích, xử lý lượng lớn hình ảnh đáy võng mạc để phục vụ cho việc khám chữa bệnh Trong q trình phân tích ảnh đáy võng mạc này, việc phân lập hình ảnh mạch máu với kích thước cường độ sáng khác vấn đề tiên để chẩn đoán bệnh Tuy nhiên, việc xác định mạch máu tay ảnh võng mạc đòi hỏi nhiều công sức, thời gian kết phụ thuộc nhiều vào yếu tố chủ quan Do đó, việc xây dựng hệ thống xác định mạch máu ảnh đáy võng mạc cách tự động bán tự động giúp ích nhiều cho q trình khám chữa bệnh

Đã có nhiều nghiên cứu giới việc xác định mạch máu ảnh đáy võng mạc hay hình ảnh não phục vụ cho phẫu thuật thần kinh [1] Trong q trình phân tích ảnh đáy võng mạc, nhiều nghiên cứu nhận định rối loạn hình dạng, kích thước mạch máu việc giảm đường kính tĩnh mạch võng mạc dấu hiệu nhận biết nguy xuất phát triển bệnh glô-côm [2] Hơn nữa, việc phân tích mạch máu ảnh võng mạc giúp sàng lọc bệnh suy giảm thị lực đái tháo đường, bệnh thối hóa điểm vàng người già [3]

Tuy nhiên, việc phân lập mạch máu ảnh đáy võng mạc phức tạp trình cần phải phát mạch máu có đường kính rộng, hẹp khác nhau, đồng thời, phải phân biệt mạch máu với thành phần khác ảnh đáy võng mạc điểm mù, điểm vàng tổn thương bất thường võng mạc (hình 1) Ngồi việc có kích thước nhỏ độ phân giải thấp, mạch máu nhỏ ảnh võng mạc cịn lẫn với vùng võng mạc bị tổn thương khiến cho việc xác định mạch máu nhỏ trở nên khó khăn Do đó, việc sử dụng thuật toán xác định đường biên truyền thống toán tử Robert, Sobel, Prewitt đạt hiệu thấp việc xác định mạch máu võng mạc Do đó, nghiên cứu tìm hiểu việc sử dụng lọc dựa đặc trưng mạch máu để phân biệt mạch máu thành phần khác xuất ảnh võng mạc Thêm vào đó, giải thuật đề xuất báo phát mạch máu có kích thước khác nhờ vào việc sử dụng lọc khác

mạc Các kết thí nghiệm phân tích trình bày Mục Cuối cùng, Mục đưa kết luận hướng phát triển cho giải thuật đề xuất

Hình Hình ảnh võng mạc bình thường (ảnh bên trái) võng mạc người bị suy giảm thị lực bệnh đái tháo đường (ảnh bên phải)

2 CÁC GIẢI THUẬT XÁC ĐỊNH MẠCH MÁU TRONG ẢNH VÕNG MẠC Các báo khảo sát, đánh giá nghiên cứu xác định mạch máu ảnh đáy võng mạc [4, 5, 6] cho thấy có nhiều hướng tiếp cận khác Trong đó, kể đến phương pháp sử dụng mạng nơ-ron để phân loại điểm ảnh có mạch máu hay khơng, sử dụng lọc để tìm đặc trưng mạch máu, sử dụng mơ hình hình thái học để phân tách mạch máu, sử dụng giải thuật theo vết để dị theo mạch máu từ vị trí điểm mù Phương pháp sử dụng lọc để xác định ảnh võng mạc Chaudhuri, S đồng tác giả [7] phát triển từ sớm (năm 1989) Bài báo có đóng góp quan trọng việc phân tích điểm đặc trưng mạch máu ảnh võng mạc sau:

1 Có thể biểu diễn mạch máu cách xấp xỉ đoạn thẳng độ cong mạch máu ít;

2 Các mạch máu có màu tối màu ảnh võng mạc độ phản xạ mạch máu thấp so với bề mặt khác võng mạc;

3 Biểu đồ độ xám mặt cắt ngang mạch máu xấp xỉ dạng đường cong Gauss

Những kết ban đầu nghiên cứu tiếp tục phát triển sau Trong đó, nghiên cứu Mohammad đồng tác giả [8] tìm cách xác định tham số tối ưu cho giải thuật phương pháp “vét cạn” Bài báo thử nghiệm giải thuật với tham số lọc Gauss thay đổi khoảng giá trị cho trước Thêm vào đó, ngưỡng để xác định điểm ảnh có phải mạch máu hay không biến thiên từ đến 1, tương ứng với tồn khoảng giá trị có biến Mặc dù kết nghiên cứu đạt độ xác cao với ảnh, báo không đưa ngưỡng phù hợp cho trường hợp tổng quát

nghiên cứu với báo khác nhận thấy có khác biệt định nghĩa độ nhạy độ đặc trưng Bài báo [10] đưa định nghĩa độ nhạy độ đặc trưng độ xác việc phân tách mạch máu ảnh võng mạc bình thường ảnh võng mạc bệnh lý nên việc so sánh kết báo với nghiên cứu khác không phù hợp Một nghiên cứu tương tự sử dụng GLCM ngưỡng entropy bậc hai, có giải thuật hiệu nhờ vào việc sử dụng lọc Gabor thay cho lọc Gauss [11]

Trong báo công bố nghiên cứu trên, hình ảnh minh họa kết rút trích mạch máu cho thấy giải thuật bỏ qua nhiều mạch máu nhỏ so với kết xác định mạch máu thủ công Vậy nên, nghiên cứu này, tác giả sử dụng lọc thích nghi để xác định mạch máu lớn mạch máu nhỏ Quá trình xác định mạch máu nhỏ khiến cho lọc nhạy với nhiễu thành phần khác bề mặt võng mạc Để loại bỏ ảnh hưởng yếu tố đến kết cuối cùng, có mạch máu nhỏ có kết nối với mạch máu lớn sử dụng cho kết hiển thị sau

3 GIẢI THUẬT XÁC ĐỊNH MẠCH MÁU BẰNG BỘ LỌC THÍCH NGHI Nghiên cứu đề xuất giải thuật sử dụng lọc thích nghi xác định mạch máu ảnh đáy võng mạc bao gồm bước trình bày

3.1 Chọn lớp màu xanh từ ảnh màu võng mạc

Theo nghiên cứu trước đây, lớp màu xanh thể rõ nét khác biệt cường độ sáng mạch máu so với màu Do đó, giải thuật xác định mạch máu dựa lớp màu xanh ảnh võng mạc

3.2 Tạo mặt nạ chứa phần đáy võng mạc

Trong ảnh chụp đáy võng mạc, phần viền bao tối màu bên ngồi khơng có ý nghĩa việc chẩn đốn bệnh Do đó, mặt nạ tạo dựa vào cường độ sáng để loại bỏ ảnh hưởng viền bao bên ảnh đáy võng mạc

3.3 Sử dụng lọc khác để lọc mạch máu

Các lọc dùng để lọc mạch máu xây dựng sở hàm Gauss có dạng sau:

2

1

( , ) exp ,| | ,| |

2 2

2

x L

g x y x t s y

s s



 

    

 

(1) Trong đó, x biến theo chiều mặt cắt ngang mạch máu; s phương sai hàm Gauss; y biến dọc theo chiều dài mạch máu Do dạng hình học mạch máu xấp xỉ đoạn thẳng nên hàm Gauss thể cường độ sáng mặt cắt ngang mạch máu quét dọc theo chiều dài mạch máu đoạn L Kích thước lọc theo chiều mặt cắt ngang mạch máu [-t.s, t.s] Thông thường, giải thuật sử dụng t=3 99% diện tích vùng đường cong Gauss nằm khoảng [-3s, 3s]

Các lọc quay theo hướng khác từ độ đến 180 độ để lọc mạch máu theo hướng khác Khi hướng lọc (phương y) trùng với đường mạch máu cho đáp ứng lớn Bộ lọc có phương sai s lớn lọc mạch máu lớn; đó, lọc có phương sai s nhỏ giúp lọc mạch máu nhỏ

1

0

ij

ij L L

kl k l t P t       (2)

Với tijđược tính theo cường độ xám ma trận ảnh f có kích thước MxN sau:

1 M N ij kl k l t   

 (3)

với

( , ) , ( 1, )

1

( , ) , ( , 1)

0, mn

f m n i f m n j

khi

f m n i f m n j

               

Nếu chia ma trận đồng xuất mức xám thành bốn phần Hình xác suất có điều kiện phần tính sau:

| , | , | , |

ij ij ij ij

t t t t

ij A t ij B t ij C t ij D t

A B C D

p p p p

p p p p

P P P P

    (4)

Với:

1

0 0

, ,

t t t L

t t

A kl B kl

k l k l t

P p P p



    

  

1 1

1 1

,

L t L L

t t

C kl D kl

k t l k t l t

P p P p

  

      

     

Theo nghiên cứu báo [12], ngưỡng tối ưu tjre để phân tách mạch máu khỏi ảnh xác định cho hàm Hjre đạt cực tiểu:

 

( ) tlog t t log t

jre B B D D

H t   P q P q (5)

Với: ,

( 1)( 1)

t

t B

B

P q

t L t



  

( 1)( 1)

t

t D

D

P q

t L t



  

Các phần tử đáp ứng lọc Gauss bước xem tương ứng với mạch máu giá trị phần tử lớn ngưỡng tjre Bằng việc sử dụng lọc Gauss có giá trị phương sai khác nhau, phương pháp phân tách mạch máu lớn mạch máu nhỏ Để loại bỏ ảnh hưởng nhiễu thành phần khác bề mặt võng mạc trình xác định mạch máu nhỏ, có mạch máu nhỏ có kết nối với mạch máu lớn sử dụng kết phân tách mạch máu

4 KẾT QUẢ THỬ NGHIỆM VÀ ĐÁNH GIÁ 4.1 Cơ sở liệu phương pháp đánh giá

Giải thuật đề xuất thử nghiệm để tách mạch máu ảnh đáy võng mạc sở liệu DRIVE [13] Đây sở liệu ảnh đáy võng mạc nghiên cứu tách mạch máu ảnh võng mạc sử dụng phổ biến sở liệu công bố rộng rãi mạng có kèm theo ảnh xác định mạch máu thủ công giúp so sánh với kết nghiên cứu Cơ sở liệu bao gồm 40 ảnh màu đáy võng mạc có chứa bảy dấu hiệu bệnh võng mạc người bị đái tháo đường Độ phân giải ảnh 768 × 584, cường độ sáng điểm ảnh lớp màu mã hóa bit Cơ sở liệu chia làm hai nhóm: nhóm liệu huấn luyện nhóm liệu thử nghiệm (mỗi nhóm gồm 20 ảnh) Trong nhóm liệu huấn luyện có chứa ảnh chụp đáy võng mạc, ảnh mặt nạ ảnh xác định mạch máu thủ cơng Trong nhóm liệu thử nghiệm có chứa ảnh chụp đáy võng mạc, ảnh mặt nạ ảnh xác định mạch máu thủ công hai chuyên gia khác

Bên cạnh việc so sánh trực quan hình ảnh trích chọn mạch máu với nghiên cứu trước đây, báo so sánh định lượng kết với nghiên cứu khác Các số thông dụng để đánh giá kết thử nghiệm ảnh võng mạc bao gồm:

Độ nhạy = TP/ (TP + FN) Độ đặc trưng = TN / (TN + FP)

Độ xác = (TP + TN) / (TP + FN + TN + FP) Trong đó:

 TP tổng điểm ảnh mà giải thuật chuyên gia xác định mạch máu,

 FP tổng điểm ảnh mà chuyên gia xác định mạch máu giải thuật xác định mạch máu,

 TN tổng điểm ảnh mà giải thuật chuyên gia xác định mạch máu,

 FN tổng điểm ảnh mà chuyên gia xác định mạch máu giải thuật xác định mạch máu

4.2 Kết thử nghiệm

Hình Một số kết xác định mạch máu ảnh đáy võng mạc sở liệu DRIVE (cột thứ nhất) sử dụng giải thuật đề xuất để tách mạch máu lớn (cột thứ ba)

Kết tách tự động mạch máu ảnh đáy võng mạc ảnh số ảnh số hai sở liệu DRIVE giải thuật đề xuất hiển thị Hình So sánh kết hình ảnh kết hợp trích chọn mạch máu lớn trích chọn mạch máu nhỏ (Hình 3, cột thứ tư) với hình ảnh xác định mạch máu thủ cơng cho thấy việc kết hợp mang lại hiệu tốt

Khi so sánh kết giải thuật đề xuất với giải thuật tương tự sử dụng loại lọc khác để xác định mạch máu ảnh võng mạc, giải thuật đề xuất có số độ nhạy, độ đặc trưng độ xác đạt hiệu tốt so với giải thuật khác (bảng 1) Cũng cần lưu ý độ nhạy cao có ý nghĩa quan trọng việc xác định mạch máu độ nhạy thể tỷ lệ điểm ảnh mạch máu nhận dạng Độ xác có ý nghĩa tương đối việc xác định mạch máu độ xác tỷ lệ số điểm ảnh nhận dạng (bao gồm điểm ảnh mạch máu điểm ảnh khơng phải mạch máu); đó, số điểm ảnh mạch máu chiếm tỷ lệ lớn ảnh chụp đáy võng mạc

Bảng So sánh kết giải thuật sử dụng phương pháp lọc Giải thuật Độ nhạy

(%)

Độ đặc trưng (%)

Độ xác (%)

Chaudhuri et al [7] - - 87,73

Al-Rawi et al [8] - - 94,22

Zhang et al [9] 71,20 97,24 93,82 Cinsdikici Aydin [14] - - 92,93 Giải thuật đề xuất 80,41 96,27 94,91

Hình cung cấp số hình ảnh xác định mạch máu võng mạc giải thuật công bố [8, 9, 11] với giải thuật đề xuất để so sánh trực quan kết rút trích mạch máu Các kết cho thấy giải thuật đề xuất nhận biết mạch máu nhỏ ảnh võng mạc tốt tương đương với giải thuật khác

4 KẾT LUẬN

Nghiên cứu đề xuất giải thuật xác định mạch máu ảnh đáy võng mạc sử dụng lọc Gauss với hệ số phương sai khác để lọc mạch máu có kích thước mặt cắt ngang khác ảnh võng mạc Giải thuật sử dụng ngưỡng xác định dựa phương pháp ma trận đồng xuất mức xám entropy bậc hai để xác định mạch máu từ đáp ứng lọc Gauss

Kết thử nghiệm sử dụng sở liệu DRIVE cho thấy giải thuật rút trích mạch máu lớn mạch máu nhỏ ảnh võng mạc Khi so sánh với giải thuật khác sử dụng sở liệu, hình ảnh mạch máu mà giải thuật đề xuất tạo đạt độ nhạy, độ xác cao so với giải thuật khác

Để giải thuật đạt hiệu tốt hơn, cần bổ sung vào giải thuật bước xử lý vùng điểm mù ảnh đáy võng mạc vùng có chênh lệch cường độ sáng lớn so với màu nên giải thuật thường đánh giá thiếu xác vùng

TÀI LIỆU THAM KHẢO

[1] Moccia, S., Elena D M., Sara E H., Leonardo S M., “Blood vessel segmentation algorithms—review of methods, datasets and evaluation metrics”, CMPB 158 (2018) 71–91

[2] Rooney C., “Blood vessel diameter in glaucoma”, Luận văn Tiến sỹ, Đại học Aston, 2015

[3] Almotiri J., Elleithy K., Elleithy A., “Retinal Vessels Segmentation Techniques and Algorithms: A Survey”, Applied Sciences 8 (2018) 155

[4] Fraz M M., Remagnino P., Hoppe A., Uyyanonvara B., Rudnicka A R., Owen C G., Barman S A., “Blood vessel segmentation methodologies in retinal images - a survey”, Comput Meth Prog Bio 108 (2012) 407–433

[5] Pavel Vostatek, Ela Claridge, Hannu Uusitalo, Markku Hauta-Kasari, Pauli Fält, Lasse Lensu, “Performance comparison of publicly available retinal blood vessel segmentation methods”, Comp Med Imag and Graph 55 (2017) 2-12

[6] Sheifali Gupta, Meenu Garg, “Retinal Blood Vessel Segmentation Algorithms : A Comparative Survey”, International Journal of Bio-Science and Bio-Technology 8 (3) (2016) 63-76

[7] Chaudhuri, S., Chatterjee, S., Katz, N., Nelson, M., Goldbaum, M., “Detection of blood vessels in retinal images using two-dimensional matched filters”, IEEE Trans Med Imaging 8 (1989), 263–269

[8] Mohammad A R., Munib Q., Muhammad A., “An improved matched filter for blood vessel detection of digital retinal images”, Computers in Biology and Medicine 37 (2) (2007) 262–267

[9] Zhang, B., Zhang, L., Zhang, L., Karray, F., “Retinal vessel extraction by matched filter with first-order derivative of Gaussian”, Comput Biol Med 40 (2010) 438– 445

[10] Villalobos-Castaldi F, et al., “A fast, efficient and automated method to extract vessels from fundus images”, Journal of Visualization 13 (2010) 263–270

[11] Kaur, J., Sinha, H., “Automated detection of retinal blood vessels in diabetic retinopathy using Gabor filter”, Int J Comput Sci Netw Secur 12 (2012) 109 [12] Yang C.W., Ma D.J, Wang C.M., Wen C.H., Le C.S., Chang C., “Computer aided

diagnostic detection system of venous beading in retinal images”, Optical Engineering 39(5) (2000) 1293-1303