Một khối u trong một ảnh chụp vú có thể là lành tính hoặc ác tính. ðể kiểm tra các khối u ác tính, chúng ta cần phải xây dựng một mẫu mà có thể ñối sánh với các tính chất của khối u trong cơ sở dữ liệu chúng ta ñã xây dựng. Các khối u có xu hướng có cường ñộ lớn hơn các vùng xung quanh chúng. Chúng hơi tròn, cho dù chúng hiển thị yếu hoặc có ñường bao mờ với các mô xung quanh. Hình 6.1 là một ví dụ về khối u ung thưñược xác ñịnh bên trong vòng tròn ñứt nét. Chúng ta chỉ ra và xác ñịnh các vật trong một ảnh chụp vú bằng cách so sánh ảnh này với mẫu ñã chọn. Mẫu này ñược xây dựng từ một phần của ảnh khác, ảnh này cho biết các tính chất trực quan và thống kê của các ñối tượng ñang ñược tìm kiếm. Chúng tôi ñã kiểm tra một cách kỹ lưỡng các mẫu có thể và chọn ra các mẫu hiệu quả nhất ñối với ảnh chụp vú trong nghiên cứu nàỵ
ðể kiểm tra các mẫu, ta thu thập một bộ ảnh chụp vú với các khối u ác tính. Các ảnh này ñi kèm với bệnh lý học, ñiều này sẽ cho biết các ñường bao của các khối u ác tính. Các ảnh chụp vú này có tổng cộng 80 khối u ác tính (ung thư) do các bác sĩ X quang và khoa bệnh lý học xác ñịnh. Sử dụng 80 khối u này, ta sẽ ghi lại chất lượng của mỗi mẫu và ñưa ra một lựa chọn dựa trên các kết quả nàỵ
Ta sử dụng một tương quan thống kê ñể so sánh một mẫu với khối u thực tế. Sự so sánh này sẽñược thảo luận chi tiết trong phần tiếp theọ Do kích thước vị trí của mỗi khối u thực tế là biết ñược, nên một mẫu có cùng kích thước có thể ñược tạo ra và ñặt tại tâm của vị trí này ñể so sánh. Tuy nhiên, vẫn có thể có sai sót nhỏ trong khi so sánh, khi mà mẫu này không ñặt chính xác tại tâm của khối u hoặc khi mẫu có kích thước khác với kích thước của khối u ñang ñược quan sát. Sử dụng kỹ thuật này ñể so sánh, bốn mẫu khác nhau ñược lựa chọn: một khối cầu chiếu theo 2 chiều, một hàm lượng giác hypecpol 2-D, một vòng tròn ñơn, và một khối u ác tính trên thực tế, minh họa từ Hình 5.2 –ñến Hình 5.5. Khối cầu này ñược chiếu theo 2 chiều (như minh họa ở Hình 5.2) ñược tạo ra từ phương trình (5.1) theo giả thiết của Brake và Karssemeijer. D là ñường kính của mẫụ
F(x,y) = D2 – x2 – y2 (5.1)
Hàm lượng giác ñường hypecbol 2-D ñược minh họa ở hình 5.3 ñược sinh ra từ phương trình 5.2 theo giả thuyết của Morrison và Linnett:
F(x,y) = sec h(x+y) (5.2)
Hình 5.3 Mẫu hàm lượng giác 2-D
Hình 5.4 Mẫu hình tròn ñơn giản
Hình 5.5 Mẫu khối u ác tính
Các khối u trong ngực thường có hình tròn và ñối xứng. Các mẫu trong ví dụ này cũng ñồng dạng và có hình tròn; do ñó, các lỗi vềñịnh hướng ñược bỏ quạ
Mọi ñiểm trong một ảnh X quang vú ñều ñược tính ñến trong quá trình ñối sánh mẫu, có nghĩa là tâm của bất kỳ một khối u có thể tồn tại nào cũng ñược xét ñến. ðiều này loại bỏ bất kỳ lỗi nào từ các so sánh mẫu mà không nằm tại tâm của khối ụ
Việc tiên lượng sơ bộñối với sự lựa chọn các mẫu khác nhau là ñộ nhạy mẫu ñối với các lỗi tỷ lệ. Khi một mẫu ñược so sánh với các phần của một ảnh chụp vú, thì người ta thường xác ñịnh cụ thể lại cỡ của mẫụ Quá trình ñịnh cỡ lại mẫu này có thể sẽ khác với kích thước khối u thực tế trên ảnh. Quá trình ñịnh cỡ lại này sẽ tạo ra các lỗi mức. Trong một nghiên cứu khác, các mẫu của ña tỷ lệñược sử dụng như một phần của quá trình ñối sánh mẫu (Brake và Karssemeijer); nó sẽ có ít thuận lợi hơn ñối với một ñơn tỷ lệ. Do ñó, khi một mẫu ñược lựa chọn và sau ñó ñược sử dụng ñể kiểm tra một ảnh, một mẫu ñơn, mà sẽ ñối sánh các khối u với các kích thước thay ñổi, là ñiều mong muốn.
ðểñánh giá 4 mẫu ñã chọn cho ñộ nhạy và mức phù hợp, mỗi mẫu ñều ñược so sánh với tất cả 80 khối u trong thực tế. Một mẫu ñược tạo ra có kích thước chính xác của một khối u và cho mỗi mức của ña mức ñược sử dụng. ðiều này cho phép ñánh giá tính hiệu quả của mỗi mẫu ñối với các khối u có kích thước thay ñổị
Sự tương quan thống kê giữa mẫu này và khối u thực tế tạo ra một giá trị trong khoảng –1 và 1, trong ñó 1 chỉ ra một ñối sánh chính xác. Bảng 5.1 cho thấy sự tương quan trung bình giữa mỗi mẫu với 80 khối u và trong ñó các mẫu và các khối u này là cùng kích thước. Mẫu lượng giác có sự tương quan cao nhất (tốt nhất). Nó là tốt nhất bởi vì sự tương quan càng cao thì các kết quả ñặt ngưỡng càng tốt hơn, cụ thể chúng ta có thể xác ñịnh các kết quảñược kỳ vọng là ñúng tốt hơn.
Hình 5.6 cho thấy bốn mẫu tương quan với các khối u ñã biết khi kích thước của chúng ñược ñịnh mức. Biểu ñồ này cho thấy các kết quả của các mẫu tương quan phân chia từ 0,1 tới 2 lần kích thước của khối u thực tế. Mẫu thực hiện tốt nhất trong kiểm tra này cùng là mẫu lượng giác minh họa ở hình 5.6. Nó có ñộ ổn ñịnh cao nhất (tốt nhất) và ít nhạy với các lỗi tỷ lệ. Chú ý: tất cả các mẫu kém hoạt ñộng bất cứ khi nào mức này khác một cách ñáng kể so với kích thước của chúng. ðặc biệt, khi kích thước mẫu nhỏ hơn vài lần kích thước khối u thực tế, các kết quả này không thỏa mãn. Tuy nhiên, khi các kích thước mẫu là lớn hơn các kích thước khối
u thực tế kết quả này sẽ giảm chậm và có thể sử dụng ñược. Do ñó, lựa chọn kích thước mẫu quá to sẽ tốt hơn chọn một cái quá bé. Từ ñiều này, mẫu lượng giác tốt hơn các mẫu khác ñã ñược nghiên cứụ
Bảng 5.1 Mẫu trung bình ñối với các giá trị tương quan khối u
Mẫu Tương quan trung bình
Lượng giác 0,7992 Khối u 0,6470 Hình tròn 0,5480 Khối cầu 0,7502 5.2.2 Các phương pháp ñối sánh mẫu Có một vài cách so sánh một mẫu với một ảnh chụp X quang vú. Một số sử dụng tích chập hoặc một phương pháp dựa trên tương quan chéo, ñiều này sẽ hết sức hiệu quả khi sử dụng phương pháp biến ñổi Fourier nhanh (FFT). Tuy nhiên, người thực hiện luận văn phát hiện ra rằng phương pháp tích chập với mẫu lượng giác có thể bị lộn xộn do sự thay ñổi trong cường ñộảnh chụp vú cục bộ. Ví dụ, một khối u có thể xuất hiện sáng hơn một cách ñáng kể so với cường ñộ trung bình của các vùng xung quanh nó, nhưng khi so sánh với tất cả các vùng và các mô khác trong ảnh, nó có thể tối hơn cường ñộ tổng thể trung bình của ảnh. Khối u này có thể sẽ bị bỏ qua nếu ñang sử dụng một tích chập dựa trên thuật toán ñối sánh mẫụ Hình 5.7 là một ví dụ, mà trong ñó một khối u trên một vùng ảnh cục bộ ñược xác ñịnh ñúng bằng một phương pháp tích chập sử dụng mẫu lượng giác. Hình bên trái của hình 5.7 là ảnh thực của khối u này và hình bên phải là kết quả từ việc ñịnh ngưỡng tích chập với mức thích hợp.
Hình 5.6 ðộ nhạy tỷ lệ của các mẫu
Hình 5.7 Khối u (trái) và phát hiện khối sử dụng tích chập (phải)
Kết quả này sẽ không hiệu quả như ví dụ này khi quá trình này ñược tiến hành trên toàn bộ ảnh chụp vú. Hình 5.8 cho thấy một ảnh chụp vú có một khối ụ Hình 5.9 minh họa các kết quả ñặt ngưỡng của tích chập trên toàn bộ ảnh. Các kết
quả ñã chập này phù hợp với các vùng cường ñộ cao, bao gồm vùng cơ ngực của ảnh. Trong tình huống này, khối u không ñược ñịnh vị một cách chính xác. Do ñó, phương pháp tích chập không phù hợp như một thuật toán xác ñịnh vị trí khối u hiệu quả với ảnh nàỵ
Một phương pháp thay thế khác có thể sẽ tương quan giữa mẫu này và mỗi ñiểm ảnh trong ảnh, trong ñó ảnh nhỏ bao quanh mỗi ñiểm ảnh là cùng kích thước với mẫụ Thuật toán ñối sánh mẫu dựa trên cơ sở tương quan không thiên về sự thay ñổi cường ñộ và nhạy với các ñặc trưng của hình dạng (Brake và Karssemeijer). Công thức ñược sử dụng cho sự tương quan giữa mẫu và ảnh gốc như sau:
cov( , ) ( , ) cov( , ) x y xy x y x y cor x y x y σ σ µ µ µ ≡ ≡ − (5.3)
trong ñó cov(x,y) là liên hiệp biến của mẫu, x, và ảnh nhỏ, y, bao quanh ñiểm ảnh. σx và σylà các ñộ lệch chuẩn của mẫu này và ảnh nhỏ. µx và µy là trung bình của mẫu và ảnh nhỏ. µxy là trung bình của mỗi ñiểm ảnh trong mẫu nhân bởi mỗi ñiểm ảnh.
Kết quả áp dụng sự tương quan ảnh này trở về một ảnh mới, nhận giá trị giữa -1 và 1. Khi giá trị tương quan càng gần với 1, sự tương tự giữa mẫu và các ñiểm ảnh ñang ñược kiểm tra càng lớn. Nghĩa là các ñiểm ảnh tạo ra một giá trị tương quan gần với 1 tương tự với mẫu khối ụ Hình 5.10 cho thấy các kết quả áp dụng sự tương quan này với ảnh minh họa trên hình 5.8.
ðể xác ñịnh các vùng trên ảnh, vùng này chắc chắn có khối u, một ngưỡng ñược sử dụng với các giá trị tương quan. Trong ví dụ này, các ñiểm ảnh với các giá trị tương quan là 0,75 hoặc lớn hơn có khả năng xuất hiện khối u caọ Hình 5.11 biểu thị các kết quả của việc ñịnh ngưỡng này với ảnh minh họa trên hình 5.10. Mức ngưỡng giảm số lượng các giá trịñiểm ảnh cần xem xét và ñịnh vị phần ảnh gốc mà có khả năng xuất hiện khối u caọ Trong hình 5.11, vùng trắng cho thấy vị trí khối u trong ảnh X quang chụp vú.
Hình 5.8 Ảnh X quang vú có chứa khối u
Hình 5.10 Kết quảñối sánh mẫu dựa trên tương quan
5.2.3 Nhóm và phân vùng các vùng nghi ngờ (adsbygoogle = window.adsbygoogle || []).push({});
Ví dụở phần trước ñã mô tả làm thế nào ñểñịnh vị một khối u trong một ảnh X quang chụp vú bằng cách thực hiện một sự tương quan sau khi ñặt ngưỡng. Mức ngưỡng trong ví dụ trước ñược chọn bằng taỵ Trong thực tế, một ngưỡng sẽ có giá trị thấp hơn mức tối ưụ Nó ñược thực hiện sao cho một vài khối u bị mất ñi bởi sự phân tích.
Khi một giá trị ngưỡng ñược giảm ñi, người ta thường ñịnh vị ñược nhiều khối u hơn. Hình 5.12 cho thấy kết quả của việc ñặt ngưỡng ảnh trên hình 5.11 với một giá trị ngưỡng là 0.60. ðiều này tạo ra một vài cụm của các ñiểm ảnh có thể là khối u trong ảnh thu ñược. Chỉ có duy nhất một khối u trong thực tế.
ðối với ñiểm này, quá trình xử lý hoàn toàn dựa trên các ñiểm ảnh. Mỗi ñiểm ảnh cần ñược xử lý ñộc lập với các ñiểm ảnh khác trên bức ảnh. Tuy nhiên, các ñiểm ảnh ñược minh họa trên hình 5.12 là các phần của các cụm khác nhaụ Chương 6 trình bày một thuật toán nhóm và trích rút nhóm các ñiểm ảnh liên quan. ðiều này cho phép các vùng chứa các ñiểm ảnh tương tự nhau ñược xử lý cùng với nhaụ Hình 5.13 minh họa 4 cụm ñiểm ảnh phân biệt trong hình 5.12. Mỗi cụm có khả năng là một khối u và cần ñược xử lý thêm và so sánh với bệnh lý học của nó.
Hình 5.13 Các khối có khả năng ñược trích rút
5.2.4 Cải thiện ña tỷ lệ
Với các nhóm pixel khác nhau, minh họa trên Hình 5.13, một bước ña tỷ lệ ñược thêm vào thuật toán phát hiện khối u của tạ Phần 5.2 trình bày về các vấn ñề lựa chọn mẫu có kích thước khác với kích thước khối u ñược nghiên cứụ Khi mẫu lớn hơn hoặc nhỏ hơn nhiều khối u quan tâm, có thể khối u không ñược phát hiện. Một giải pháp cho vấn ñề này là kiểm tra toàn bộảnh với các mẫu kích thước khác nhaụ Tuy nhiên, việc này mất thời gian và không hiệu quả.
Cách giải quyết của ta là tương quan mẫu chỉ trên những nhóm pixel và sử dụng các mẫu ña kích thước. Cách này có những ưu ñiểm sau:
• Các nhóm pixel chỉ là một phần nhỏ trên ảnh và vì thế, kiểm tra ña tỷ lệ sẽ dễ dàng về tính toán.
• Kích thước chính xác của nhóm pixel ñã ñược xác ñịnh, vì thế một mẫu nào ñó có thểñược tạo ra cho kích thước này và sử dụng với ảnh ban ñầu ñể loại bỏ các sai số về tỷ lệ.
• Vị trí chính xác của nhóm pixel ñã biết; vì thế, mẫu này có thểñược ñặt vào tâm của nhóm, thay vì ở một vị trí ngoài tâm. Việc này tăng tốc ñộ hiệu chỉnh.
ðể minh họa, 4 khối khả năng ñược biểu diễn trên Hình 5.13 ñược trích rút ra từ ảnh X quang vú trên Hình 5.14. Với mỗi khối trong số này, ta tạo ra một mẫu lượng giác. Sau ñó tương quan thống kê ñược tính giữa mẫu kích thước chuẩn và ñặt ở tâm với khối khả năng. Bảng 5.2 ñưa ra các kết quả. Các khối khả năng cho giá trị tương quan nằm giữa 0.5448 và 0.8583. Khối thực tế cho giá trị tương quan cao nhất là 0.8583. Ba khối kia là lỗi tích cực saị Các kết quả của quá trình ña tỷ lệ này phân biệt giữa khối thực (từ bệnh lý học) với các lỗi tích cực saị Với ảnh X quang vú này, có thể xác ñịnh và loại bỏ lỗi tích cực sai bằng cách dùng giá trị phân ngưỡng cao hơn. Lỗi tích cực sai có thể ñược giảm ñi bằng cách thêm vào ngưỡng nàỵ
Bảng 5.2 Các kết quả tương quan ña tỷ lệ với các khối khả năng
ðối tượng Kích thước (pixel2) Tương quan mẫu
(1) 30,000 0.6585
(2) 23,000 0.5448
(3) Khối thực tế 40,000 0.8583
(4) 60,000 0.5919
5.3 Tổng kết vềñịnh vị khối u
Thuật toán ñịnh vị khối u trên ảnh X quang vú số hoá:
1. Toàn bộ bức ảnh X quang vú ñược xử lý với thuật toán ñối sánh mẫu dựa trên tương quan.
2. Kết quả của phép tương quan này ñược phân ngưỡng ñể xác ñịnh các pixel nghi ngờ.
3. Các pixel nghi ngờñược nhóm thành các nhóm và trích rút rạ
4. Các nhóm trích rút ñược so sánh với một mẫu tạo ra với kích thước bằng kích thước nhóm.
5. Sau ñó, mỗi nhóm ñược tương quan với mẫu của nó và kết quả của mỗi lần