CHƯƠNG 3: KHẢO SÁT CÁC PHƯƠNG PHÁP HỢP NHẤT 3.1TỔNG QUÁT
3.5 HỢP NHẤT HÌNH ẢNH CÓ TƯƠNG TÁC
Hợp nhất thông qua nét giống nhau về điểm không chỉ thu hẹp trong các khối được đánh dấu. Có nhiều mức độ tương tác của người sử dụng để tìm ra các điểm giống nhau trong các hệ thống khác nhau. Hợp nhất theo cơ chế tương tác hoạt động dựa trên cơ sở của các cấu trúc giải phẫu giống nhau có thể tìm thấy được trên tất cả các hệ thống. Về mặt hiển thị hình họa, một chuyên viên đã qua huấn luyện sẽ khảo sát các khối thể tích và nhận dạng các điểm giống nhau về bản chất, cũng có thể coi các điểm này là các mốc cơ sở để hợp nhất. Hệ tọa độ không gian của các mốc này cấu thành từ không gian đặc điểm mà thủ thuật hợp nhất sử dụng.
Bên cạnh việc hiển thị đặc điểm, hình thức hợp nhất tương tác này chia sẻ nhiều nét tương đồng thông qua các thành phần được đánh dấu. Vì không gian đặc điểm tạo ra một chuỗi các cặp điểm giữa 2 khối ảnh, thủ thuật hợp nhất tương tác sử dụng cách thức bình phương cực tiểu để tiến tới kết hợp các cặp điểm đã đánh dấu. Theo giả thuyết, đầu là một cấu trúc cứng, chúng ta có thể áp dụng thủ thuật tương tác với phép biến dạng thô để hợp nhất hình ảnh. Theo như định nghĩa, thì phương thức hợp nhất này được xem như là thực hiện bằng tay. Hình thức hợp nhất tương tác khác với hình thức đánh dấu ở chỗ các thông tin bổ sung không cần thiết phải thêm vào nguồn ảnh. Chính vì thế, cách hợp nhất này được xếp vào các kỹ thuật không có tổ chức.
Tuy nhiên, có một vài điểm khác biệt đáng chú ý để phân biệt các hình thức tương tác. Trước tiên, một không gian đặc điểm chỉ bao gồm các điểm (không phải là các thành phần đánh dấu) nên việc định vị có thể bỏ qua và tránh được các sai sót liên quan. Điều này không có nghĩa là các hình thức hợp nhất tương tác này là không có sai sót. Cái khó ở đây chính là
qui trình nhận dạng các điểm tính toán trong các mô hình khác nhau, vì mỗi mô hình thể hiện một khía cạnh vật lý khác nhau trên cùng bệnh nhân. Một số mô hình có thể thay đổi khiến cho việc nhận dạng điểm tương đồng trở nên khó khăn và không thể thực thi. Để chọn lựa điểm chính xác đòi hỏi phải có một chuyên viên có trình độ để có thể chọn ra được những điểm có ý nghĩa về mặt hình học hoặc vị thế chẳng hạn như các điểm giao nhau, các mối nối hoặc tăng/giảm đến mức cao nhất số điểm trên đường cong. Điều này có nghĩa là các thủ thuật tương tác tiêu tốn một khoảng thời gian đáng kể và phụ thuộc vào năng lực của chuyên viên. Hơn nữa, sẽ tồn tại sai sót xuất phát từ khả năng của người điều khiển trong quá trình xác định tâm của các mốc cho sẵn.
Ngoài ra cũng cần khảo sát các kết quả đạt được giữa những lần hợp nhất liên tiếp và giữa những người điều khiển khác nhau. Bởi vì việc chọn điểm phụ thuộc vào kỹ năng của người điều khiển, nên độ chính xác của hình thức hợp nhất tương tác hay thay đổi. Ardnt et al. đề cập đến vấn đề này thông qua độ tin cậy của các tác nhân tương tác và tính toán trên dữ liệu MR. Một kết quả tương tự đã được Pertrzyk et al. nêu lên, họ đã xác định mặc dù có sự tồn tại của yếu tố chủ quan từ người điều khiển, nhưng ảnh hưởng của nó đến độ chính xác là không đáng kể.
Hình thức hợp nhất tương tác gồm 2 loại sau : điểm và cấu trúc tương đồng, và hợp nhất trực quan tăng cường.
3.5.1. Điểm và cấu trúc tương đồng
Việc lựa chọn các mốc giải phẫu được thực nghiệm tốt và ứng dụng rộng rãi. Lựa chọn điểm có thể thực hiện thuận tiện qua nhiều cách. Farrell et al. [3] sử dụng một khối hình 3 chiều để đưa ra hai hình thức chọn điểm : một bề mặt ảo để phác họa các đường viền và một màn hiển thị nhiều lớp cắt liên tiếp của MR. Fright và Linney [8] cũng mô phỏng các bề mặt để thuận tiện cho việc chọn điểm. Các phương pháp này sử dụng phương pháp Newton để tính toán các giá trị bình phương cực tiểu nhằm đưa ra một phép biến đổi thô. Evans et al. đề xuất việc sử dụng các điểm tương đương trong ảnh MR và
PET để tạo ra một biến dạng affine dựa trên phương pháp bình phương cực tiểu tuyến tính. Ngoài ra, ta cũng có thể tiến hành xử lý ảnh trước khi tiến hành hợp nhất. Phương thức này được đề cập trễ hơn bởi Neelin et al., thay thế phép biến đổi hình học bằng phép biến đổi thô sử dụng thuật toán Procrustes. Lựa chọn điểm trong PET và MR dễ dàng thực hiện bởi nhấp con trỏ chuột vào vị trí mong muốn trên khối ảnh. Họ nhận thấy rằng độ chính xác tăng lên đáng kể với 10 cặp điểm hoặc nhiều hơn. Hill et al. sử dụng các mốc để kết hợp thô MR với CT nhằm mục tiêu phẫu thuật. Họ thực hiện dựa trên các dữ liệu mô phỏng và ảnh ảo và xác nhận, để thu được kết quả có thể chấp nhận được cần có từ 12 đến 16 điểm mốc. Ende et al. cũng đã khẳng định rằng việc tăng số điểm đồng nghĩa với việc tăng độ chính xác.
Các cấu trúc cũng được sử dụng trong hợp nhất các ảnh đa mô hình. Kapouleas et al. [7] khẳng định rằng ảnh MR và PET có thể được hợp nhất bằng cách tìm kiếm mặt rạn nứt của gian não trong một dãy các khu vực cắt ngang. Người vận hành chỉ rõ vị trí của mặt phẳng này bằng cách xác định các điểm giới hạn của nó. Ge et al. đưa ra một phương pháp tương tự với việc nhận dạng bề mặt rạn nứt của gian não thông qua sự sắp xếp của các mặt phẳng song song.Wang et al. đề ra biện pháp kết nối bằng cách sắp xếp bề mặt rạn nứt của gian não theo các đường mép bên trong. Một thành tựu khác của Amit sử dụng công cụ hình họa của các khuôn hình để nhận dạng các mốc kết nối.
3.5.2. Hợp nhất trực quan tăng cường
Những cải tiến trong tốc độ tính toán cho phép tạo nên những hệ thống hiển thị ảnh cao cấp. Những hệ thống này có thể được trang bị một khối lượng khổng lồ các công cụ xử lý hình ảnh, cho phép người dùng tương tác và hợp nhất trực quan. Pietrzyk et al. là người đầu tiên đề ra việc sử dụng chức năng trình chiếu phim để mô tả quá trình hợp nhất các mô hình chức năng và cấu trúc. Độ trung thực tùy thuộc vào độ phân giải của ảnh. Sau đó họ áp dụng kỹ thuật này cho PET, SPECT, MR và CT và thu được kết quả ngoài mong đợi về độ chính xác và khả năng sao chép lại. Về sau, Rubinstein et al. [8] áp dụng
phương pháp Pietrzyk trong hợp nhất SPECT-MR. Habboush et al. phát triển thủ thuật tương tác trực quan trong hợp nhất SPECT và MR mà sau này được mở rộng hơn và thực thi hiệu quả bởi Treves. Wong et al. [22] đưa ra một bảng đánh giá thú vị về giới hạn trong ghi nhận trực quan quá trình hợp nhất ảnh sai lệch từ các ảnh PET-MR. Họ nhận thấy rằng phép phân tích trực quan là phương tiện nhạy và thực tế khi đánh giá độ chính xác của phép hợp nhất. Theo điều tra gần đây về khả năng đánh giá trực quan, Fitzpatrick et al. lưu ý rằng kết quả phụ thuộc vào phân bố của những sai sót trong hợp nhất, nhưng cũng nhấn mạnh rằng các kết quả tốt là hoàn toàn có thể đạt được.