Nâng cao chất lượng hình ảnh trong siêu âm thai nhi

TRƢỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ NÂNG CAO CHẤT LƢỢNG HÌNH ẢNH TRONG SIÊU ÂM THAI NHI UÔNG MINH NAM Uongminhnam92@gmail.com Ngành Kỹ thuật Y sinh Chuyên ngành: Kỹ thuật Y sinh Giảng viên hướng dẫn: TS NGUYỄN THU VÂN Bộ môn: Công nghệ điện tử kỹ thuật y sinh Viện: Điện tử viễn thông Hà Nội, 11/2020 MỤC LỤC DANH MỤC THUẬT NGỮ VIẾT TẮT DANH MỤC HÌNH VẼ DANH MỤC BẢNG BIỂU LỜI CẢM ƠN GIỚI THIỆU CHUNG 10 CHƢƠNG 1.1 1.2 1.3 T NG ản h t U N VỀ ẢNH Y TẾ 11 ảnh t 11 i tr ảnh t 11 h t ng ảnh t 11 1.3.1 Nhiễu Gaussian 13 1.3.2 Nhiễu xung 14 1.3.3 Nhiễu Poisson 14 1.3.4 Nhiễu lốm đốm 14 CHƢƠNG TẠO ẢNH SIÊU ÂM 16 2.1 Nguyên lý tạo ảnh siêu âm 16 2.2 Đặc tính vật lý c a sóng siêu âm 18 2.3 Ảnh giả tạo ảnh siêu âm 20 2.4 2.3.1 Ảnh phản xạ âm vang 20 2.3.2 Hình chổi 22 2.3.3 Phản hổi âm qua mặt phẳng cong (hình ảnh soi gương) 22 2.3.4 Ảnh giả khúc xạ 23 2.3.5 Ảnh giả tăng sáng phí s u 24 2.3.6 Giảm âm phía sau 25 2.3.7 óng ưng 26 2.3.8 Hiện tư ng dội lại nhiều lần 26 2.3.9 Ảnh giả chùm sóng phản phụ hiệu ứng thùy biên 27 2.3.10 Ảnh giả dụng cụ 28 2.3.11 Ảnh giả độ dày chùm sóng 29 Ảnh hưởng c a nhiễu đốm tới ch t ng hình ảnh siêu âm 29 2.4.1 Bộ lọc Lee 30 2.4.2 Bộ lọc Kuan 30 2.4.3 Bộ lọc Wiener 31 CHƢƠNG XỬ LÝ ẢNH SIÊU ÂM 34 3.1 Tăng giảm độ sáng 34 3.2 Tách ngưỡng 35 3.3 Bó cụm 37 3.4 Biểu đồ Histogram 39 3.5 Bi n đổi c p xám tổng th 42 3.6 Kỹ thuật lọc nhiễu ảnh 43 3.6.1 Kỹ thuật lọc trung bình 43 3.6.2 Lọc thông cao 46 3.6.3 Bộ lọc thông th p 47 3.7 Thuật toán lọc trung vị 48 3.8 Tăng ường ch t ng ảnh siêu âm sử dụng lọc dựa c u trúc 50 3.8.1 Tensor khu ch tán phân loại kiểu c u trúc 51 3.8.2 Phương pháp phân oại c u trúc 52 3.8.3 Phân loại sàng lọc 54 3.8.4 Phương pháp phân oại dựa c u trúc Despeckle 56 CHƢƠNG THU THẬP DỮ LIỆU VÀ THỰC HIỆN XỬ LÝ ẢNH 59 4.1 Thu thập liệu 59 4.2 Thực xử lý ảnh 59 4.2.1 Thực phân loại c u trúc hình ảnh siêu âm 59 4.2.2 K t nhận xét 63 TÀI LIỆU THAM KHẢO 67 D NH SÁCH THUẬT NGỮ VIẾT TẮT Từ viết tắt Thuật ngữ tiếng anh Ý nghĩa MRI Magnetic Resonance Imaging Hình ảnh cộng hưởng từ Tactile Imaging Hình ảnh xúc giác EIT Electrical impedance tomography Chụp cắt lớp trở kháng điện PET Positron Emission Tomography Chụp cắt lớp phát xạ positron SPECT Single-photon emission computed tomography Chụp cắt lớp vi tính phát xạ photon đơn PSF Point Spread Function Đáp ứng xung FWHM Full Width at Half Maximum Khoảng cách nhỏ nh t h i điểm tương phản cao phân biệt LSF The number of distinguishable lines per cm Số ng đường phân biệt cm ENL Equivalent Number of Looks Ước tính số lần hiển thị tương đương TGC Time Gain Compensation Bù hệ số khu h đại theo chiều sâu D NH MỤC HÌNH VẼ Hình 1.1 Phân loại nhiễu 13 Hình 1.2 Hình ảnh bị ảnh hưởng nhiễu Gaussian 13 Hình 1.3: Hình ảnh bị ảnh hưởng nhiễu Salt Pepper 14 Hình 1.4 Hình ảnh bị ảnh hưởng nhiễu speckle 15 Hình 2.1 Hiệu ứng áp điện 16 Hình 2.2 Sóng âm qu mặt phân cách hai mơi trường khác 17 Hình 2.3 Biểu diễn sóng âm theo thời gian 18 Hình 2.4 Sơ đồ hình giả phản xạ 20 Hình 2.5 Ảnh giả phản xạ siêu âm hốc mắc 21 Hình 2.6 Ảnh giả phản xạ siêu âm gan, túi mật 21 Hình 2.7 Ảnh giả phản xạ xảy vùng kín ruột 21 Hình 2.8 Đi s o hổi mặt phân cách với khí phổi 22 Hình 2.9 Đi s o hổi lớp khí dà gan 22 Hình 2.10 Hình ảnh c s o hổi siêu âm 22 Hình 2.11 Ảnh giả hình ảnh soi gương 23 Hình 2.12 Ảnh giả hình ảnh soi gương bướu máu gan 23 Hình 2.13 Sơ đồ giải thích ảnh giả khúc xạ 24 Hình 2.14 Hình giả khúc xạ 24 Hình 2.15 Hình giả s u đư c xử lý 24 Hình 2.16 Tăng sáng phí s u a siêu âm túi mật 25 Hình 2.17 Ảnh siêu âm sỏi túi mật 25 Hình 2.18 : ảnh giả bóng ưng 26 Hình 2.19 Nguyên lý c a tư ng dội lại nhiều lần 26 Hình 2.20 Sóng âm dội lại nhiều lần đường mật túi mật 27 Hình 2.21 Ảnh mô tả chum tia thùy bên 27 Hình 2.22 ảnh giả hiệu ứng thùy bên 28 Hình 2.23 Nhiễu từ thi t bị lân cận 28 Hình 2.24 Ảnh thể hiệu ứng vụ nổ 28 Hình 2.25 Ảnh giả độ dày chum tia 29 Hình 2.26 Ảnh gốc 32 Hình 2.27 Bộ lọc Kuan (3×3) 32 Hình 2.28 Bộ lọc Kuan (5×5) 32 Hình 2.29 Bộ lọc Lee (3×3) 32 Hình 2.30 Bộ lọc Lee (5×5) 32 Hình 2.31 Bộ lọc Wiener (3×3) 33 Hình 2.32 Bộ lọc Wiener (5×5) 33 Hình 3.1 ảnh gốc 34 Hình 3.2 Ảnh sau xử lý TGC 34 Hình 3.3 Tia siêu âm bị phản xạ phần ranh giới hai mặt phân cách 35 Hình 3.4: Ảnh gốc 36 Hình 3.5 Ảnh s u tá h ngưỡng 36 Hình 3.6 Ảnh siêu âm mạch máu gốc 36 Hình 3.7 Ảnh siêu âm mạch máu sau xử ý tá h ngưỡng 36 Hình 3.8 Ảnh gốc siêu âm tim 36 Hình 3.9 Ảnh sau xử ý tá h ngưỡng 36 Hình 3.10 Ảnh sau xử ý tá h ngưỡng 36 Hình 3.11 Ảnh siêu âm thai nhi gốc 37 Hình 3.12 Ảnh sau xử ý tá h ngưỡng 37 Hình 3.13 Ảnh sau xử ý tá h ngưỡng 37 Hình 3.14 Biểu đồ bó cụm 38 Hình 3.15 Ảnh gốc siêu âm mạch máu 38 Hình 3.16 Ảnh s u đư c xử lý bó cụm 38 Hình 3.17 Biểu đồ histogram thể độ sáng c a ảnh 39 Hình 3.18 Biểu đồ dạng bimodal 40 Hình 3.19 Ảnh gốc siêu âm thai 41 Hình 3.20 Ảnh sau xử lý histogram cân mức xám 41 Hình 3.21 Biểu đồ histogram ảnh gốc siêu âm thai nhi 41 Hình 3.22 Biểu đồ histogram c a ảnh siêu âm thai sau xử lý 41 Hình 3.23 Ảnh gốc siêu âm 41 Hình 3.24 Ảnh sau cân Histogram cân mức xám 41 Hình 3.25 Biểu đồ histogram c a ảnh gốc siêu âm thai 42 Hình 3.26 Biểu đồ histogram c a ảnh siêu âm thai sau xử lý 42 Hình 3.27 Histogram c a ảnh ũ 42 Hình 3.28 Đồ thị hàm f(g) 43 Hình 3.29 Histogram c a ảnh 43 Hình 3.30 Mơ Tả thuật tốn trung bình 44 Hình 3.31 Ảnh gốc 45 Hình 3.32 Ảnh đư c lọc trung bình sử dụng ma trận 3x3 45 Hình 3.33 Ảnh đư c lọc với ma trận 5x5 45 Hình 3.34 Ảnh siêu âm thai gốc 45 Hình 3.35 Ảnh đư c xử lý qua ma trận 3x3 45 Hình 3.36 Ảnh đư c xử lý qua ma trận 5x5 45 Hình 3.37 Ảnh siêu âm thai nhi gốc 46 Hình 3.38 Ảnh đư c xử lý qua ma trận 3x3 46 Hình 3.39 Ảnh đư c xử lý qua ma trận 7x7 46 Hình 3.40 Mơ hình lọc 47 Hình 3.41 Ảnh siêu âm thai nhiễu gaussian 48 Hình 3.42 Ảnh sau lọc thơng th p 48 Hình 3.43 Ảnh siêu âm thai nhiễu gaussian 48 Hình 3.44 Ảnh sau lọc thông th p 48 Hình 3.45 Ảnh thai nhi nhiễu gaussian 48 Hình 3.46 Ảnh sau thực xử lý lọc thông th p 48 Hình 3.47 Ảnh gốc nhiễu hạt 49 Hình 3.48 Ảnh sau xử lý qua lọc trung vị 49 Hình 3.49 Ảnh siêu âm thai bị nhiễu hạt 49 Hình 3.50 Ảnh s u đư c lọc qua lọc trung vị 49 Hình 3.51 Lưu đồ phương pháp 51 Hình 3.52 Mật độ tính đẳng hướng c a tensor khu ch tán cho bi t c u trú 52 Hình 3.53 Ảnh siêu âm 55 Hình 3.54 ường độ khu ch tán 55 Hình 3.55 Loại c u trú đư c phân loại 55 Hình 3.56 C u trú s u đư c tinh chỉnh 55 Hình 3.57 Ảnh gốc 57 Hình 3.58 Ảnh qua xử lý lọc Despeckle 57 Hình 3.59 Ảnh gốc 57 Hình 3.60 K t c a lần lọc thứ nh t 57 Hình 3.61 K t c a lần lọc thứ hai 58 Hình 3.62 K t c a lần lọc thứ ba 58 Hình 4.1 Một phần ảnh siêu âm mẫu 59 Hình 4.2 Loại điểm ảnh sau phân loại c u trúc Hình 4.1 59 Hình 4.3 Ảnh mẫu 60 Hình 4.4 Ảnh sau phân tích c u trúc áp dụng lọc thích h p cho pixel dạng điểm 60 Hình 4.5 Ảnh gốc 60 Hình 4.6 Ảnh sau áp dụng lọc lần 60 Hình 4.7 Ảnh sau áp dụng lọc lần 60 Hình 4.8 Ảnh siêu âm mẫu 60 Hình 4.9 Loại điểm ảnh sau phân loại c u trúc c a ảnh Hình 4.8 61 Hình 4.10 Ảnh mẫu 61 Hình 4.11 Ảnh sau phân tích c u trúc áp dụng lọc thích h p 61 Hình 4.12 Ảnh gốc 61 Hình 4.13 Ảnh sau xử lý lần 62 Hình 4.14 Ảnh sau xử lý lần 62 Hình 4.15 Ảnh siêu âm mẫu 62 Hình 4.16 Loại điểm ảnh s u đư c phân loại c u trúc Hình 4.15 62 Hình 4.17 Ảnh gốc 62 Hình 4.18 Ảnh s u đư c phân loại điểm ảnh áp dụng lọ tương ứng 62 Hình 4.19 K t lọc lần thứ hai 63 Hình 4.20 K t lần lọc thứ ba 63 Hình 5.1 Ảnh gốc 64 Hình 5.2 Bộ lọc dựa c u trúc 64 Hình 5.3 Bộ lọc trung vị 65 Hình 5.4 DM filter 65 Hình 5.5 AWMF 65 Hình 5.6 Gaussian Filter 65 D NH MỤC BẢNG BIỂU Bảng 2.1 Bảng mật độ vận tốc truyền sóng âm c a mơi trường thể 19 Bảng 2.2 Trở kháng âm c a số môi trường sinh học 19 Bảng 3.1 Bảng quy tắc phân loại sơ 52 Lời cảm ơn Em xin chân thành cảm ơn ô giáo, Ti n Sĩ Ngu ễn Thu ân, người hướng dẫn tận tình bảo em r t nhiều suốt q trình tìm hiểu nghiên cứu hồn thành uận văn nà từ lý thuy t đ n ứng dụng Sự hướng dẫn c giúp em có thêm ki n thức xử lý ảnh Đồng thời em xin chân thành cám ơn thầ ô viện Điện Tử – iễn Thông - Trường Đại Họ h ho Hà ội, ũng thầy cô trường tr ng bị cho em ki n thứ cần thi t suốt thời gian học tập trường để em hoàn thành tốt uận văn nà Trong trình họ ũng suốt thời gian làm tốt nghiệp không tránh khỏi thi u sót, em r t mong đư c góp ý q báu c a thầy ũng t t bạn để k t c em đư c hoàn thiện Em xin chân thành cảm ơn! trị riêng có lớn hay không Các quy tắc h p ý, không thực t Trong phần này, phương pháp phân oại thực t hiệu đư c trình bà để phát đặ tính định loại c u trúc cục Sau tensor khu ch tán cục đư c tính toán t t pixel, ường độ tối đ c a giá trị riêng || λmax|| đư định Độ lớn c a giá trị riêng tối đ nà đư c sử dụng để chu n hóa giá trị riêng để giá trị c a chúng nằm khoảng (-1;1) S u h i bi n T1 T2 đư c tính cách sử dụng giá trị riêng đư c chu n hóa pixel PT 30 PT 31 Giá trị T1 đư c sử dụng để kiểm tr em ó đặc tính khu vực c u trúc khơng Trong c u trúc dạng đồng nh t, ường độ c a hai giá trị riêng nhỏ tức giá trị || λ1|| ~ || λ2|| ~ T1 ~ Trong c u trúc nội bào, || λ1|| >> || λ2|| ~ T1 ~ Trong c u trúc dạng điểm, || λ1|| ~ || λ2|| >> 1< T1 < √2 Giá trị T2 đư c sử dụng để phân biệt c u trúc nội bào dạng điểm Trong c u trúc nội bào || λ1|| >> || λ2|| ~ T2 ~ Trong c u trúc dạng điểm, || λ1|| ~ || λ2|| >> T2 ~ Trong tính tốn giá trị T2 số nhỏ ɛ đư c them mẫu số tử số để tránh hi ho đánh giá s i trường h p hai giá trị riêng gần S u đó, h sử dụng T1 T2, t đo mứ độ tu n tính điểm: định đư h i hàm phản hồi để PT 32 PT 33 Cl Cs ần t phép đo tu n tính điểm u u trú khu vự không đồng nh t tỉ ệ giữ ường độ eigenv ue λ2 với λ1 nhỏ Cl ~ Cs ~ Mặt khác n u h i ường độ eigenvalue có giá trị gần nhau, tứ λ1 ~ λ2 Cl ~ Cs lớn x p xỉ Bây dựa T1, Cl, Cs ta phát phân loại c u trúc cục Trong quy tắc phân loại c u trú sơ đư c liệt kê bảng 3.1 trên, có ba loại c u trú đư định Để có thêm liệu c a c u trúc cục phục vụ cho việc xử lý, ta chỉnh sửa mơ hình phân loại phân pixel thành dạng sau:  ột pi e đư phân oại dạng đồng nh t n u: T1 ≤ β 53 Trong đó: β số nhỏ đư  ột pi e đư định người d ng đâ β = 0.12 phân oại dạng tu n tính n u: T1 > β C l > Cs λ1 ≤  ột pi e đư phân oại dạng biên n u: T1 > β C l > Cs λ1 >  ột pi e đư phân oại dạng điểm n u: T1 ≥ α C s > Cl Trong đó: α số đư  ột pi e , đư người d ng họn, thông thường α = 0.45 phân oại vào dạng không định n u: u T1 nhỏ, độ bi n thiên ường độ th p pi e nằm v ng đống nh t mặt n u l > Cs pi e ó u hướng pi e tu n tính nhiều Giá trị riêng λ1 đư c sử dụng để định xem pixel nằm cạnh sáng hay ranh giới tối N u λ1 âm pixel nằm cạnh sáng đư c phân loại dạng n tính N u λ1 dương, pi e nằm ranh giới tối đư c định pixel biên Trong trường h p Cs > Cl pi e ó u hướng pixel dạng điểm Tu nhiên để tránh đánh giá s i khu vực nhiễu T1 > 0.45 (α = 0.45 ngưỡng đư định từ trướ ) u t t ả phương pháp không hỉ r đư oại pi e pi e đư phân vào oại khơng định 3.8.3 Ph n oại sàng ọc Trong siêu âm, phân đoạn ranh giới mô với độ cong lớn tạo ti ng vang y u điểm ảnh phân đoạn nà ó ường độ th p vùng lân cận bị phân loại nhiễu đốm dạng pixel không xác định Để cải thiện ch t ng phân loại, trình sàng lọc loại đư c thực để phân loại lại pixel sau trình phân loại c u trú đư c hồn thành Do u trúc nội bào bị phá vỡ đư c h p nh t điểm rải rác ó đư đư đồng nh t vào c u trúc nội bào liền kề Thuật toán sàng lọc hoạt động s u:  Giữ t t pi e đốm pi e không định thành hàng  L y pixel từ hàng đ i  Đối với pi e đư c truy xu t hã àm s u: o Kiểm tra hai pixel lân cận, pi e theo hướng dương theo hướng m c a trình phát o N u b t pixel lân cận n tính pi e đư c coi dạng n tính 54 o Mặt khác, b t pixel lân cận biên pi e đư c coi dạng biên o N u khác khơi phụ pi e hàng đ i  Lặp lại việc phân loại lại lần Hình 3.53 Ảnh siêu âm Hình 3.54 Cường độ khuếch tán Hình 3.55 Loại cấu trúc phân loại Hình 3.56 Cấu trúc sau tinh chỉnh ới màu nh ụ biểu thị ho pi e dạng tu n tính, màu nh đậm pi e biên, màu đỏ pi e dạng điểm, màu nh dương dạng pi e không định màu ám dạng pi e đồng nh t Một ví dụ phân loại c u trú đư c hiển thị hình 3.53 – 3.56 Hình ảnh siêu âm đư c hiển thị hình 3.53 Trong hình 3.54, ường độ khu ch tán đo cách sử dụng 𝑇1 đư c hiển thị Các k t phân loại khơng có sàng lọc đư c minh họa hình 3.55 Các k t phân loại tinh chỉnh đư c hiển thị hình 3.56 Màu ám đư c sử dụng để hiển thị pixel dạng đồng nh t pi e đư c n tính hóa pixel dạng ranh giới đư c hiển thị màu xanh lục xanh lụ đậm Các pixel dạng điểm pixel không bị xác định đư c minh họa màu đỏ nh dương Hình 3.55 hình 3.56, cho th y hầu h t góc sắ nét đư c phân loại lại thành ông dạng c u trúc n tính biên Các pixel dạng điểm pi e không định liền kề với c u trúc n tính ranh giới, hầu h t đư đồng hóa vào c u trúc lân cận 55 3.8.4 Phƣơng ph p ph n oại dựa cấu trúc Despec e T t lọ ó ưu điểm c a chúng Một số lọc làm giảm đáng kể đốm, húng àm mờ cạnh Các lọc khác bảo tồn cạnh ó thể tạo mẫu khơng mong muốn Trong luận văn này, phương pháp despeckling không đồng nh t đư c sử dụng, theo điểm ảnh c a loại nh u đư c làm mịn cách sử dụng lọ nh u để làm giảm đốm v ng đồng nh t, ranh giới mô cạnh đư c bảo tồn 3.8.4.1 Phương pháp lọc Tạo nhóm gồm lọc sau: Gaussian 1D, lọc trung vị 2D lọc Gaussian 2D Các lọ nà đư c chọn cách thích h p với loại pixel theo nguyên tắc sau:  Các pixel dạng n tính biên đư c lọc cách sử dụng lọc G ussi n 1D Độ lệch chu n c a lọc Gaussian 1D Mặt nạ lọc gồm pi e Hướng c a song song với hướng c a eigenvector phụ c a pixel đí h  Các pixel dạng đồng nh t đư c làm mịn cách sử dụng lọc trung vị 2D Mặt nạ c a lọc trung vị gồm × pixel  Các pixel dạng điểm đư c lọc cách sử dụng lọ G ussi n 2D Độ lệch chu n c a lọc Gaussian 2D  pi e không định đư c làm mịn lọc trung vị 2D Trong trình phân loại, đường cong sáng tối đư c phân loại thành c u trúc n tính biên Đối với pixel nằm đường cong, eigenvector phụ c a ti p n với đường ong Để lọc pixel, tạo đường 1D trung tâm song song với vector V2 S u trình ọc Gaussian 1D đư c thực pixel cách sử dụng đường àm mặt nạ lọc Sau lọ , ường độ đường cong trở ên r ràng ường độ tương phản ũng đư tăng ường lên Vậ , đường cong đư c bảo tồn mà cịn đư tăng ường Các góc nhọn, điểm cuối c a cạnh điểm sáng tối bị cô lập đư c phân loại c u trú điểm Các c u trú điểm đư c lọc cách sử dụng lọ G ussi n 2D để điểm đư đồng nh t với khu vực lân cận, điểm lớn đư c bảo toàn Các pixel nằm v ng đồng nh t đư c làm mịn lọc trung vị 2D, đốm nhiễu hạt khu vự đồng nh t đư c loại bỏ Tại pi e không định, khơng ó đặ tính r ràng đư c phát Bộ lọc lọc trung vị 2D đư c sử dụng để lọc pixe nà để loại bỏ c u trúc mịng mờ 56 Hình 3.57 Ảnh gốc Hình 3.58 Ảnh qua xử lý lọc Despeckle 3.8.4.2 Quá trình lọc lặp u hình ảnh đư ọ nhiều nhiễu đốm, toàn việ ý đư ặp ại ho tới h t ng ảnh đầu r th mãn ầu Số ần ọ để ho r đư k t ph h p phụ thuộ vào iệu ảnh đầu vào ó thể m t tới ần ọ ho ảnh r t nhiễu hỉ ần ho ảnh nhiễu t ảnh đầu r s u trình ọ ặp đư thể hình đâ Hình 3.59 Ảnh gốc Hình 3.60 Kết lần lọc thứ 57 Hình 3.61 Kết lần lọc thứ hai Hình 3.62 Kết lần lọc thứ ba T ó thể th hình ảnh trên, đốm đư oại bỏ ạnh r nh giới mô dà đư tăng ường ặ d số ạnh mỏng đốm nhỏ đư oại bỏ t ó thể th hình ảnh k t ần ý thứ đường trơn nh t 58 CHƢƠNG THU THẬP DỮ LIỆU VÀ THỰC HIỆN XỬ LÝ ẢNH 4.1 Thu thập liệu Ảnh siêu âm dùng luận văn đư c thu thập từ Khoa Ch n Đốn Hình Ảnh – Bệnh Viện Y Học Cổ Truyền Bộ Công An Đầu tiên, liệu thu thập dạng hình ảnh Dicom đư c thu thập trực ti p từ má siêu âm S u liệu đư c chuyển s ng định dạng NiFTi phần mềm IT – S AP để thuận tiện cho việc xử lý bước tiền xử lý ảnh: tăng giảm độ sáng, tá h ngưỡng, bó cụm, bi n đổi c p xám tổng thể, cắt ảnh sử dụng cơng cụ FSL VM7_64 Việc lập trình để thêm nhiễu xử lý ảnh lọc (bộ lọc trung vị lọ trung bình, xác định c u trúc loại pixel, ) đư c thực phần mềm Matlab 4.2 Thực xử lý ảnh 4.2.1 Thực ph n oại cấu trúc hình ảnh siêu m Dựa theo công thứ đư c nêu mục 3.82 ta ti n hành phân tích c u trúc ảnh với kí h thước 16 16 Hình 4.1 Hình 4.1 Một phần ảnh siêu âm mẫu Màu vàng: pixel dạng điểm Màu xanh: pixel dạng biên àu nâu: pi e đồng nh t àu ghi: pi e khơng định Hình 4.2 Loại điểm ảnh sau phân loại cấu trúc Hình 4.1 Ta th y rằng, trường h p pixel dạng điểm chi m phần lớn tổng số ng pixel c a ảnh, nhiều nhiều so với điểm ảnh dạng biên đồng nh t Do việc áp dụng lọc Gaussian 2D có độ lệch chu n thích h p cho việc xử lý ảnh 59 Hình 4.3 Ảnh mẫu Hình 4.4 Ảnh sau phân tích cấu trúc áp dụng lọc thích hợp cho pixel dạng điểm Phần lớn chi ti t loại pixel ch y u đư c phân bố trung tâm c a ảnh siêu âm Dự vào đó, t áp dụng lọc Gaussian với phương s i cho toàn ảnh c a Hình 4.5 Ảnh gốc Hình 4.6 Ảnh sau áp dụng lọc lần Hình 4.7 Ảnh sau áp dụng lọc lần Ti p theo, phân tích c u trúc c a mảnh cắt hình ảnh siêu âm tim có kí h thước 26 x 24 hình 4.8 Hình 4.8 Ảnh siêu âm mẫu 60 Màu vàng: pixel dạng điểm Màu xanh: pixel dạng biên àu nâu: pi e đồng nh t Màu ghi: pi e khơng định Hình 4.9 Loại điểm ảnh sau phân loại cấu trúc ảnh Hình 4.8 T ũng th y rằng, trường h p thứ hai Hình 4.8, pixel dạng điểm chi m phần lớn số ng pixel c a ảnh Do đó, việc sử dụng lọc Gaussian có độ lệch chu n phù h p với việc xử lý ảnh Hình 4.10 Ảnh mẫu Hình 4.11 Ảnh sau phân tích cấu trúc áp dụng lọc thích hợp Hình 4.12 Ảnh gốc 61 Hình 4.13 Ảnh sau xử lý lần Hình 4.14 Ảnh sau xử lý lần Thêm ví dụ với ảnh sau Hình 4.15 Hình 4.15 Ảnh siêu âm mẫu Hình 4.16 Loại điểm ảnh sau phân loại cấu trúc Hình 4.15 Màu vàng: pixel dạng điểm Màu xanh: pixel dạng biên Áp dụng lọc Gaussian 2D cho toàn ảnh Hình 4.17 có k t Hình 4.18 Hình 4.17 Ảnh gốc Hình 4.18 Ảnh sau phân loại điểm ảnh áp dụng lọc tương ứng 62 Thực thêm h i bước lọc cho ảnh Hình 4.18, k t đư c thể Hình Hình 4.19 Kết lọc lần thứ hai Hình 4.20 Kết lần lọc thứ ba K t cho th y nhiễu đư c giảm đáng kể qua lần lọc, ảnh trở nên mịn r nh giới mô đư tăng ường Tùy vào k t c a ảnh đầu r đạt yêu cầu h lần lọc lặp hư để ta áp dụng số 4.2.2 Kết nhận xét Sau trình thực lọc dựa nguyên tắc phân loại pi e trước lọc, ta th y ch t ng ảnh siêu âm đư c cải thiện, nhiễu đư c giảm bớt ảnh trở ên mư t hơn, ng với số chi ti t ảnh ũ bị mờ không ảnh hưởng tới c u trúc chi ti t ảnh, khơng làm giảm vai trị ch n đốn c a ảnh siêu âm Sau trình phân loại c u trúc nhiều ảnh th y loại pixel c a ảnh siêu âm đ số loại pixel dạng điểm, ti p đ n pixel dạng biên phần nhỏ dạng n tính dạng pi e khơng định Đối với kỹ thuật loại bỏ nhiễu dựa c u trúc ta phân loại đư c dạng pixel dạng chi m đ số ảnh, từ áp dụng lọc tương ứng với dạng pixel chi m phần lớn tổng số pixel c a ảnh làm nhiễu ảnh đư c giảm đáng kể Tuy nhiên, với dạng pixel lại hiệu xử lý nhiễu bị giảm nhiễu không đư c xử lý hồn tồn Đó ũng hạn ch c a luận văn hư thực đư c lọc chuyên biệt cho loại pixel Để khắc phụ điểm đó, ần áp dụng lọ nh u tương ứng với dạng pixel ảnh Tạo nhóm gồm lọc sau: Gaussian 1D, lọc trung vị 2D lọc Gaussian 2D Các lọ nà đư c áp dụng với loại pixel theo nguyên tắc sau:  Các pixel dạng n tính biên đư c lọc cách sử dụng lọc G ussi n 1D Độ lệch chu n c a lọc Gaussian 1D Mặt lạ lọc gồm pi e Hướng c a song song với hướng c a eigenvector phụ c a pixel đí h 63  Các pixel dạng đồng nh t đư c làm mịn cách sử dụng lọc trung vị 2D Mặt lạ c a lọc trung vị gồm × pixel  Các pixel dạng điểm đư c lọc cách sử dụng lọ G ussi n 2D Độ lệch chu n c a lọc Gaussian 2D  pi e không định đư c làm mịn lọc trung vị 2D Trong trình phân loại, đường cong sáng tối đư c phân loại thành c u trúc n tính biên Đối với pixel nằm đường cong, eigenvector phụ c a ti p n với đường ong Để lọc pixel, tạo đường 1D trung tâm song song với vector V2 S u q trình ọc Gaussian 1D đư c thực pixel cách sử dụng đường làm mặt nạ lọc Sau lọ , ường độ đường cong trở ên r ràng ường độ tương phản ũng đư tăng ường lên Vậ , đường cong đư c bảo tồn mà cịn đư tăng ường Các góc nhọn, điểm cuối c a cạnh điểm sáng tối bị cô lập đư c phân loại c u trú điểm Các c u trú điểm đư c lọc cách sử dụng lọ G ussi n 2D để điểm đư đồng nh t với khu vực lân cận, điểm lớn đư c bảo toàn Các pixel nằm v ng đồng nh t đư c làm mịn lọc trung vị 2D, đốm nhiễu hạt khu vự đồng nh t đư c loại bỏ Tại pi e không định, không ó đặ tính r ràng đư c phát Bộ lọc lọc trung vị 2D đư c sử dụng để lọ pi e nà để loại bỏ c u trúc mỏng mờ Hình 4.21 Ảnh gốc Hình 4.22 Bộ lọc dựa cấu trúc 64 Hình 4.23 Bộ lọc trung vị Hình 4.24 DM filter Hình 4.25 AWMF Hình 4.26 Gaussian Filter Hình ảnh siêu âm g n đư c l y làm ví dụ (Hình 5.1) S u áp dụng lọc thích h p để xử lý cho loại pixel, ta so sánh k t c a ảnh đầu Hình 5.2 đ n Hình 5.6 Đối với Hình 5.6, lọc Gaussian làm giảm mức nhiễu c a ảnh ại làm mờ cạnh Bộ lọc trung vị (Hình 5.3) giữ lại nhiều chi ti t cho k t tương tự Đối với lọc DM (Hình 5.4) làm sắc nét cạnh tạo mẫu tổ ong hình ảnh k t Phương pháp A F giữ đư c chi ti t cạnh khả àm giảm nhiễu lọc khác Phương pháp đư đề su t luận văn (Hình 5.2) loại bỏ ng lớn đốm nhiễu v ng đồng nh t tăng ường ranh giới mơ Nó tạo k t tốt nh t Do giới hạn mặt thời gian, luận văn hạn ch thực đư c phân loại pixel cho phần c a ảnh, lí khả ập trình xử lý liệu cịn hạn ch Hướng phát triển c a luận văn tự động phân loại 65 pixel cho toàn ảnh siêu âm áp dụng lọ tương ứng với loại pixel có số ng lớn nh t c a ảnh Ảnh sử dụng luận văn ch y u ảnh siêu âm thai nhi thu thập từ Bệnh Viện Y Học Cổ Truyền Trung Ương Tu nhiên, h thức xử lý giảm nhiễu trình bà uận văn ũng ó thể áp dụng cho ảnh siêu âm qu n thể 66 TÀI LIỆU THAM KHẢO Shyh-Kuang Ueng (2014), “Ultrasound Image Enhancement Using Structure-Based Filtering”, Computational and Mathematical Methods in Medicine PS Hiremath, Prema T Akkasaligar Sharan Badiger (2013), “Speckle Noise Reduction in Medical Ultrasound Images”, Advancements and Breakthroughs in Ultrasound Imaging ur kh rdt, “Spe k e in u tr sound -mode s ns,” IEEE Transactions on Sonics and Ultrasonics, vol 25, no 1, pp 1–6, 1978 F ou i en rti, H mid Amiri, “Speckle Noise Reduction in Medical Ultrasound Images” Available from: https://arxiv.org/ftp/arxiv/papers/1305/1305.1344.pdf Carlos A Duarte-Salazar ; Andrés Eduardo Castro-Ospina ; Miguel A Becerra ; Edilson Delgado-Trejos (2020), “Speckle Noise Reduction in Ultrasound Images for Improving the Metrological Evaluation of Biomedical Applications: An Overview”, IEEE A ess(8), pp 1598315999 67 ... MỤC HÌNH VẼ Hình 1.1 Phân loại nhi? ??u 13 Hình 1.2 Hình ảnh bị ảnh hưởng nhi? ??u Gaussian 13 Hình 1.3: Hình ảnh bị ảnh hưởng nhi? ??u Salt Pepper 14 Hình 1.4 Hình ảnh bị ảnh hưởng nhi? ??u... thai nhi Hình 3.22 Biểu đồ histogram ảnh siêu âm thai sau xử lý Hình 3.23 Ảnh gốc siêu âm Hình 3.24 Ảnh sau cân Histogram cân mức xám 41 Hình 3.25 Biểu đồ histogram ảnh gốc siêu âm thai Hình. .. 3.8 Ảnh gốc siêu âm tim Hình 3.9 Ảnh sau xử lý tách ngưỡng Hình 3.10 Ảnh sau xử lý tách ngưỡng 36 Hình 3.11 Ảnh siêu âm thai nhi gốc Hình 3.12 Ảnh sau xử lý tách ngưỡng Hình 3.13 Ảnh sau xử lý