Sơ đồ thuật toán dựa trên phương pháp và kết quả thực hiện được đưa ra ở
chương 3 phần 3.3:
Phương pháp 1: Tăng cường sử dụng cân bằng mức xám đồ
Hình 4-13: Sơ đồ thuật toán phương pháp tăng cường sử dụng cân bằng mức xám đồ
64
Hình 4-14:Sơ đồ thuật toán phương pháp tăng cường chất lượng ảnh sử dụng biến đổi hình học
65
4.3.2 Chương trìnhmô phỏng
• Bước 1: Khởi động phần mềm R2018a từ Desktop
Xuất hiện giao diện khởi động, cửa sổ lệnh
• Bước 2: Từ giao diện cửa sổ lệnh, kích:
“open\desktop\mammography Processing\ImgProcess.m ”
Xuất hiện giao diện soạn thảo
Hình 4-15: Giao diện cửa sổ lệnh tăng cường chất lượng ảnh
• Bước 3: Kích menu “Run” từ thanh công cụ ngang
Xuất hiện giao diện
Hình 4-16: Giao diện chọn thư mục chứa ảnh
66
Xuất hiện giao diện chương trình xử lý ảnh y tế:
Hình 4-17: Chương trình tăng cường chất lượng ảnh
• Bước 4: Từ giao diện chương trình, kích menu “Select Image”
Xuất hiện giao diện chọn một sốảnh mammography đểtăng cường chất
lượng ảnh.
Hình 4-18: Lựa chọn ảnh cần tăng cường
• Bước 5: Chọn ảnh đểtăng cường chất lượng. Chọn 1 trong các ảnh bằng cách kích đúp vào ảnh chọn
67
Hình 4-19: Ảnh gốc để tăng cường chất lượng ảnh
• Bước 6: Từ giao diện chương trình, kích menu “Image 1
Enhancement”
Xuất hiện ảnh ban đầu và ảnh đã được tăng cường chất lượng với phương
pháp 1:
Hình 4-20: Ảnh ban đầu và ảnh đã được tăng cường chất lượng ảnh theo phương pháp 1
68
• Bước 7: Từ giao diện chương trình, kích menu “Image 2
Enhancement”
Xuất hiện ảnh ban đầu và ảnh đã được tăng cường chất lượng với phương
pháp 2:
Hình 4-21: Ảnh ban đầu và ảnh đã được tăng cường chất lượng ảnh theo phương pháp 2
69
Hình 4-23: Ảnh gốc mdb212
Hình 4-24:Ảnh gốc mdb212 và ảnh đã tăng cường chất lượng ảnh thể hiện 2 phương pháp
70
Hình 4-25: Hình ảnh gốc mb61 cơ sở dữ liệu 2
71
72
KẾT LUẬN
Kết luận
Sau một thời gian tìm hiểu và nghiên cứu một số phương pháp tăng cường chất
lượng ảnh chụp x quang vú, tác giảđã hoàn thành luận văn đáp ứng được mục tiêu
đề ra và với những nội dung cơ bản đó là:
Trình bày tóm tắt về tình trạng bệnh ung thư tại Việt Nam nói chung và số
lượng bệnh nhân ung thư đến khám và điều trị tại bệnh viện Phụ sản Thái
Bình nói riêng, trong chương này cũng trình bày về mục tiêu, nội dung
nghiên cứu, đối tượng và phạm vi nghiên cứu.
Tổng quan kiến thức về giải phẫu sinh lý vú. Đặc điểm về vú, các loại bệnh
liên quan đến vú, đặc biệt chi tiết về bệnh lý ung thư vú. Các yếu tố nguy
cơ, các giai đoạn ung thư và cách phòng tránh. Phương pháp chẩn đoán ung
thư vú, phương pháp chụp ảnh X quang vú, đặc điểm của ảnh X quang vú.
Tìm hiểu, nghiên cứu một sốphương pháp tăng cường chất lượng ảnh chụp X quang vú
Xây dựng chương trình phần mềm mô phỏng với một số dữ liệu chuẩn về ảnh chụp x quang vú.
Hướng phát triển
Để tiếp tục phát triển đề tài luận văn, thì hướng phát triển có thể bao gồm
• Nghiên cứu phát hiện các vùng nghi ngờ tổn thương hình khối và giảm số
lượng dương tính giảđối với ảnh chụp x quang vú
• Nghiên cứu, phát triển giải pháp hỗ trợ chẩn đoán bệnh ung thư vú dựa trên các vùng chứa tổn thương hình khối là ác tính hay lành tính
73
TÀI LIỆU THAM KHẢO
[1] Bùi Diệu, Trần Văn Thuấn, Khuynh hướng mắc ung thư Việt Nam
giai đoạn 2004-2013, 2017.
[2] Nguyen Viet Dung, Nguyen Duc Thuan, Nguyen Tien Dzung, Pham Van Thanh, “An Automated Method to Segment and Classify Masses in Mammograms,” International Journal of Electrical and Computer Engineering, tập 4(8), 2009.
[3] PGS Nguyễn Chấn Hùng, “Ung thư học nội khoa,” Nhà xuất bản Y Học Thành phố Hồ Chí Minh, 2000, pp. 18-19.
[4] Bích Thủy, Hải Yến, Cẩm nang vú và bệnh ung thư vú, Nhà xuất bản Y học, 1997.
[5] American College of Radiology, ACR BI-RADS - Breast Imaging Reporting and Data System, 2003.
[6] Nguyễn Thái Hà, Nguyễn Đức Thuận, Phạm Mạnh Hùng, Đào Trang
Linh, Trần Thanh Minh, “Phân vùng ảnh X-quang vú bằng phương
pháp chênh lệch mức xám đồ,” Tạp chí Khoa học và Công nghệ Các trường Đại học Kỹ thuật, tập 74, 2009.
[7] Bùi Diệu, Nguyễn Bá Đức, Trần Văn Thuấn, Gánh nặng bệnh ung thư
và chiến lược phòng chống ung thư quốc gia đến năm 2020, Tạp chí
Ung thư học Việt Nam, 1-2012.
[8] International Agency for Research on Cancer World Health Organization , “ GLOBOCAN 2018: Estimated Cancer Incidence, Mortality and Prevalence Worldwide in 2018. Breast Cancer,” 2018. [9] Nguyễn Bá Đức, Bệnh ung thư vú, Hà Nội : Nhà xuất bản Y học,
2003, pp. 46-69.
[10] A.Halim, “Human Anatomy: Female Pelvis and Breast,” I.K.Inter national Publishing House, 2009.
[11] P. P. Osin, R. Anbazhagan, J. Bartkova, B. Nathan, B.A. Gusterson, Breast development gives insights into breast disease. Histopathology, vol. 33(3), 1998.
[12] R. C. Gonzales, R. Woods, Digital Image Processing, Prentice Hal, 2008.
74 [13] M. Masek, Hierarchical Segmentation of Mammograms Based on
Pixel Intensity,, The University of Western Australia, 2004.
[14] A. Talebpour, D. Arefan, H. Mohamadlou, “Automated Abnormal Mass Detection in the Mammogram Images Using Chebyshev Moments,” Research Journal of Applied Sciences, Engineering and Technology, tập 5(2), pp. 513-518, 2013.
[15] Bovis K., Singh S, “Detection of masses in mammograms using texture features. 15th International Conference on Pattern Recognition (ICPR'00),” 2000, pp. 267-269.
[16] Homero Schiabel, Vivian T. Santos, Michele F. Angelo, trong
Segmentation technique for detecting suspect masses in dense breast digitized images as a tool for mammography. 2008 ACM symposium
on Applied computing (SAC '08), 2008, pp. 1333-1337.
[17] T. Stojic, I. Reljin, B. Reljin, “Local Contrast Enhancement in Digital Mammography by Using Mathematical Morphology,” 2005, pp. 609- 612.
[18] D. W, “Improved Wavelet Based Thresholding for Contrast Enhancement of Digital Mammograms.,” International Conference
on Computer Science and Software, pp. 948-951, 2008.
[19] M. H. Swartz, Textbook of Physical Diagnosis: History and Examination, 2004.
[20] David Raba, Arnau Oliver, Joan Martí, Marta Peracaula, Joan Espunya, “Breast Segmentation with Pectoral Muscle Suppression on Digital Mammograms,” Springer Lecture Notes in Computer Science,
tập 3523, pp. 471-478, 2005.
[21] Celia Varela, Pablo G. Tahoces, Arturo J. Méndez, Miguel Souto, “Computerized detection of breast masses in digitized mammograms.,” Computer in Biology and Medicine, tập 37, pp. 214- 226, 2007.
[22] Cascio D., Fauci F., Magro R., Raso G. et all, “Mammogram Segmentation by Contour Searching and Massive Lesion Classification with Neural Network.,” IEEE Nuclear Science
75 [23] Rangaraj M. Rangayyan, Biomedical Image Analysis. CRC Press,
2005.
[24] S Astley, D Betal, N Cerneaz, D R Dance, S-L Kok, J Parker, I Ricketts, J Savage, E Stamatakis and P Taylor, “PEIPA, the Pilot European Image Processing Archive,” 2012.
[25] Deloumeaux J., Gaumond S., Bhakkan B. et al, Incidence, mortality and receptor status of breast cancer in African Caribbean women: Data from the cancer registry of Guadeloupe, Cancer Epidemiol., 2017, pp. 42-47.
[26] Nguyễn Thị Mai Lan, Nghiên cứu tỉ lệ mắc mới ung thư vú ở phụ nữ
Hà Nội giai đoạn 2014-2016, Trường Đại học Y Hà Nội , 2020.
[27] Trần Văn Thuấn, Phòng bệnh ung thư, Hà Nội : Nhà xuất bản Y học, 2013, pp. 80-85.
[28] Amroabadi S. H., Ahmadzadeh M. R., Hekmatnia A, “Mass Detection in Mammograms Using GA based PCA and Haralick Features Selection,” trong 19th Iranian Conference on Electrical Engineering, 2011.
[29] Ponraj, D & Jenifer, M & Poongodi, P. & Manoharan, Samuel, “A Survey on the Preprocessing Techniques of Mammogram for the Detection of Breast Cancer.,” Journal of Emerging Trends in Computing and Information Sciences. 2. , 2011.
76
PHỤ LỤC
Chương trình:
ImgProcess
function varargout = ImgProcess(varargin)
% IMGPROCESS MATLAB code for ImgProcess.fig
% IMGPROCESS, by itself, creates a new IMGPROCESS or raises the existing
% singleton*. %
% H = IMGPROCESS returns the handle to a new IMGPROCESS or the handle to
% the existing singleton*. %
% IMGPROCESS('CALLBACK',hObject,eventData,handles,...) calls the local
% function named CALLBACK in IMGPROCESS.M with the given input arguments.
%
% IMGPROCESS('Property','Value',...) creates a new IMGPROCESS or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before ImgProcess_OpeningFcn gets called. An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to ImgProcess_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one
% instance to run (singleton)". %
% See also: GUIDE, GUIDATA, GUIHANDLES
% Edit the above text to modify the response to help ImgProcess % Last Modified by GUIDE v2.5 06-Mar-2017 09:41:41
% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @ImgProcess_OpeningFcn, ...
'gui_OutputFcn', @ImgProcess_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
77
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT
% --- Executes just before ImgProcess is made visible.
function ImgProcess_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn. % hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to ImgProcess (see VARARGIN) % Choose default command line output for ImgProcess
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
% UIWAIT makes ImgProcess wait for user response (see UIRESUME) % uiwait(handles.figure1);
% --- Outputs from this function are returned to the command line.
function varargout = ImgProcess_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure
varargout{1} = handles.output;
% --- Executes on button press in pushbutton1.
function pushbutton1_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
i=imgetfile(); % tao giao dien mo file anh
input=imread(i); %doc anh
figure, imshow(input), title('Original Image'); %hien thi anh len
78
mkdir ('C:\MatlabTmp'); %tao thu den thu muc c:\MatlabTmp
imwrite(input, 'C:\MatlabTmp\1.Original.bmp'); % tao ra tap tin
1.Original.bmp vao thu muc MatlabTmp
% --- Executes on button press in function1.
function function1_Callback(hObject, eventdata, handles)
% hObject handle to function1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
I = imread('C:\MatlabTmp\1.Original.bmp');
I = rgb2gray(I); % chuyen anh tu rgb sang thang xam'
BW2 = enhance_mam(I); % dung ham enhamcce_mam xu ly anh
%enhanced_canny(I);
figure, imshow(BW2), title('Enhanced Image');
% --- Executes on button press in pushbutton3.
function pushbutton3_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton3 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
I = imread('C:\MatlabTmp\1.Original.bmp');
I = rgb2gray(I);
BW2 = enhanced_mamm(I);
%enhanced_canny(I);
figure, imshow(BW2), title('Enhanced Image');
% --- Executes on button press in pushbutton4.
function pushbutton4_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton4 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
I = imread('C:\MatlabTmp\1.Original.bmp');
I = rgb2gray(I);
BW2 = mammograms(I);
%enhanced_canny(I);
figure, imshow(BW2), title('Segmented Image1');
% --- Executes on button press in pushbutton5.
function pushbutton5_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton5 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
I = imread('C:\MatlabTmp\1.Original.bmp');
79
BW2 = remove_unwanted(I);
%enhanced_canny(I);
figure, imshow(BW2), title('Segmented Image2');
2. mammograms
function value = mammograms (img)
img_median=medfilt2(img,[10,10]); %loc trung vi
max_pixel=max(max(img_median)); % lay gia tri pixel lon nhat trong
bitmap
min_pixel=min(min(img_median));% lay gia tri pixel nho nhat trong
bit map
%tang cuong do tuong phan anh
new_max_pixel=210; new_min_pixel=60;
temp= (new_max_pixel - new_min_pixel)/(max_pixel - min_pixel); normalize_img = (temp.*(img_median - min_pixel)) + new_min_pixel;
threshold= graythresh(normalize_img); %tinh nguong cho ham im2bw
bw_img= im2bw(normalize_img,(threshold - .3 )); %chuyen tu anh
thang xam sang anh nhi phan
value = bw_img;
3. remove_unwanted
function value = remove_unwanted(img)
img_median=medfilt2(img,[10,10]); %loc trung vi
max_pixel=max(max(img_median)); % lay gia tri pixel lon nhat trong
bitmap
min_pixel=min(min(img_median));% lay gia tri pixel nho nhat trong
bit map
%tang cuong do tuong phan anh
new_max_pixel=210; new_min_pixel=60;
temp= (new_max_pixel - new_min_pixel)/(max_pixel - min_pixel); normalize_img = (temp.*(img_median - min_pixel)) + new_min_pixel;
threshold= graythresh(normalize_img); %tinh nguong cho ham im2bw
bw_img= im2bw(normalize_img,(threshold)); %chuyen tu anh thang xam
sang anh nhi phan
value = bw_img;
4. enhance
function b= enhance_mam(a) [r , c]=size(a);
k=fspecial('gaussian',[3 3],1); % loc thong thap gaussian
f=imfilter(a,k);
m11=min(min(f)); %lay gia tri pixel min
m1=max(max(f)); %lay gia tri pixel max
f2=a-f; %lay duong vien
m12=min(min(f2)); m2=max(max(f2)); mid1=abs(m12+m2)/2;
%tang cuong anh duong vien
80 g1=15; g2=0.4; for i=1:r for j=1:c if abs(f2(i,j))<mid1 f2(i,j)=g1*f2(i,j); else if abs(f2(i,j))>=mid1 f2(i,j)=g2*f2(i,j); end end end end f3=f2;
se=strel('disk',5);%tao cau truc phan tu
%bien doi top-hat
b1=imerode(f,se); %lam mo
b11=imdilate(b1,se); % mo rong thang xam
b=imsubtract(f,b11);
%bien doi bottom-hat
b11=imdilate(f,se); %mo rong thang xam
b1=imerode(b11,se); %lam mo
c=imsubtract(b1,f);
e=f+b-c; % lam ro tuong phan giua cac vat the. anh goc + tophat -
bottomhat
f6=f2+e; % anh goc + anh lam duong vien
%%%%%%%%%%%%%wavelet decomposition%%%%%%%%%%%%%%
% phan tach ham thanh cac thanh phan cau truc doc, ngang va cheo
[c,s]=wavedec2(f6,2,'bior1.1'); ca2=appcoef2(c,s,'bior1.1',2); ca1=appcoef2(c,s,'bior1.1',1); [cH2,cV2,cD2]=detcoef2('all',c,s,2); [cH1,cV1,cD1]=detcoef2('all',c,s,1); %%%%%%%%%%%Thresholding Calculation%%%%%%%%%% MH=max(max(cH1)); MH=log2(MH); MHL=0.5; TH=MH*MHL; MV=max(max(cV1)); MV=log2(MV); MVL=0.5; TV=MV*MVL; MD=max(max(cD1)); MD=log2(MD); MDL=0.5; TD=MD*MDL;
81 % C1=2; MH2=max(max(cH2)); MH2=log2(MH2); MHL2=1; TH2=MH2*MHL2; MV2=max(max(cV2)); MV2=log2(MV2); MVL2=1; TV2=MV*MVL2; MD2=max(max(cD2)); MD2=log2(MD2); MDL2=1; TD2=MD2*MDL2; ch1 =wthresh(cH1,'s',TH); cv1= wthresh(cV1,'s',TV); cd1= wthresh(cD1,'s',TD); ch2= wthresh(cH2,'s',TH2); cv2= wthresh(cV2,'s',TV2); cd2= wthresh(cD2,'s',TD2); %%%%%%%%%%%%%%%reconstruction%%%%%%%%%%%%%%% %tai tao lai anh
ca2=ca2(:)'; ch2=ch2(:)'; cv2=cv2(:)'; cd2=cd2(:)'; ch1=ch1(:)'; cv1=cv1(:)'; cd1=cd1(:)'; d=[ca2 ch2 cv2 cd2]; t=[ch1 cv1 cd1]; C=[d t]; b=waverec2(C,s,'bior1.1');
b=uint8(b); %ep kieu du lieu tu double sang uint8 cho b
5. enhanced
function value= enhanced_mamm(a) [r,c]=size(a);
k=fspecial('unsharp',0.9); % bo loc lam sac net duong bien: lam
hinh anh tro nen sac net voi tham so alpha = 0.9
un=imfilter(a,k);
k=fspecial('gaussian',[3 3],1); % loc thong thap gaussian
f=imfilter(a,k);
m11=min(min(f)); %lay gia tri pixel min
82
f2=a-f; %lay duong vien
m12=min(min(f2)); m2=max(max(f2)); mid1=abs(m12+m2)/2;
%tang cuong anh duong vien
[r,c]=size(f2); g1=5; g2=0.9; for i=1:r for j=1:c if abs(f2(i,j))<mid1 f2(i,j)=g1*f2(i,j); else if abs(f2(i,j))>=mid1 f2(i,j)=g2*f2(i,j); end end end end f3=f2;
se=strel('disk',5);%tao cau truc phan tu
%bien doi top-hat
b1=imerode(f,se); %lam mo
b11=imdilate(b1,se); % mo rong thang xam
b=imsubtract(f,b11);
%bien doi bottom-hat
b11=imdilate(f,se); %mo rong thang xam
b1=imerode(b11,se); %lam mo
c=imsubtract(b1,f);
e=f+b-c; % lam ro tuong phan giua cac vat the. anh goc + tophat -
bottomhat
f6=f2+e; % anh goc + anh lam duong vien
%%%%%%%%%%%%%wavelet decomposition%%%%%%%%%%%%%%
% phan tach ham thanh cac thanh phan cau truc doc, ngang va cheo
[c,s]=wavedec2(f6,2,'bior1.1'); ca2=appcoef2(c,s,'bior1.1',2); ca1=appcoef2(c,s,'bior1.1',1); [cH2,cV2,cD2]=detcoef2('all',c,s,2); [cH1,cV1,cD1]=detcoef2('all',c,s,1); %%%%%%%%%%%Thresholding Calculation%%%%%%%%%% MH=max(max(cH1)); MH=log2(MH); MHL=0; TH=MH*MHL; MV=max(max(cV1)); MV=log2(MV); MVL=0.5;
83 TV=MV*MVL; MD=max(max(cD1)); MD=log2(MD); MDL=0.5; TD=MD*MDL; % C1=2; MH2=max(max(cH2)); MH2=log2(MH2); MHL2=1; TH2=MH2*MHL2; MV2=max(max(cV2)); MV2=log2(MV2); MVL2=1; TV2=MV*MVL2; MD2=max(max(cD2)); MD2=log2(MD2); MDL2=1; TD2=MD2*MDL2; ch1 =wthresh(cH1,'s',TH); cv1= wthresh(cV1,'s',TV); cd1= wthresh(cD1,'s',TD); ch2= wthresh(cH2,'s',TH2); cv2= wthresh(cV2,'s',TV2); cd2= wthresh(cD2,'s',TD2); %%%%%%%%%%%%%%%reconstruction%%%%%%%%%%%%%%% %tai tao lai anh
ca2=ca2(:)'; ch2=ch2(:)'; cv2=cv2(:)'; cd2=cd2(:)'; ch1=ch1(:)'; cv1=cv1(:)'; cd1=cd1(:)'; d=[ca2 ch2 cv2 cd2]; t=[ch1 cv1 cd1]; C=[d t]; b=waverec2(C,s,'bior1.1');
b=uint8(b); %ep kieu du lieu tu double sang uint8 cho b
%can bang muc xam do chi dinh
value =
adapthisteq(b,'clipLimit',0.01,'Distribution','exponential', 'Alpha',
84
Bảng cơ sở dữ liệu MIAS:
Bảng 0-1: Bảng cơ sở dữ liệu MIAS
mdb001 G CIRC B 535 425 197 mdb163 D ARCH B 391 365 50 mdb002 G CIRC B 522 280 69 mdb164 D NORM mdb003 D NORM mdb165 D ARCH B 537 490 42 mdb004 D NORM mdb166 D NORM mdb005 F CIRC B 477 133 30 mdb167 F ARCH B 574 657 35 mdb005 F CIRC B 500 168 26 mdb168 F NORM mdb006 F NORM mdb169 D NORM mdb007 G NORM mdb170 D ARCH M 489 480 82 mdb008 G NORM mdb171 D ARCH M 462 627 62 mdb009 F NORM mdb172 D NORM mdb010 F CIRC B 525 425 33 mdb173 F NORM mdb011 F NORM mdb174 F NORM mdb012 F CIRC B 471 458 40 mdb175 G SPIC B 592 670 33 mdb013 G MISC B 667 365 31 mdb176 G NORM mdb014 G NORM mdb177 G NORM