Chương trình thực nghiệm được chúng tôi áp dụng cho cở sở dữ liệu gồm hơn 200 ảnh y khoa được cung cấp bởi bệnh viện Chonnam Hàn Quốc (theo chương trình hợp tác khoa học của trường). Các ảnh thực nghiệm đều là ảnh kích cỡ 512x512 dưới dạng Raw. Ảnh Raw là ảnh chưa qua thao tác xử lý nào hết nên chất lượng ảnh là rất tốt.
Chương trình được chúng tôi viết bằng Matlab 2008 chạy trên môi trường Window XP Service Pack 3. CPU T 2050 @ 1.60GHz , RAM 1GB.
4.1.2 Phương pháp Phân Ngưỡng
Sử dụng phân ngưỡng mức xám cho kết quả phân đoạn ảnh tương đối tốt nhưng do có sự dàn trải mức xám từ miền trong ra miền ngoài của mạch máu. Nên sử dụng phân ngưỡng sẽ cho kết quả biên không chính xác.
Phân ngưỡng buộc chúng ta phải sử dụng một ngưỡng với giá trị cố định. Điều này là không chuẩn xác đối với các loại ảnh khác nhau. Cải tiến hơn so với phương pháp phân ngưỡng ta có phương pháp gom nhóm K-mean.
Phương pháp gom nhóm K-mean chính là mở rộng của Phân ngưỡng mức xám. Nhưng việc thực hiện phân đoạn trên một tập dữ liệu gồm nhiều ảnh với cách chọn mức xám riêng trên từng ảnh cho vùng xương và mạch máu bằng phương pháp K-mean sẽ cho kết quả tốt hơn phương pháp phân ngưỡng xám.
4.1.3 Phương pháp Contourlet
Contourlet là một phép biến đổi dùng để biểu diễn ảnh rất tốt như phép biến đổi wavelet. Wavelet có thể dùng để làm tốt ảnh hay nén ảnh thì contourlet cũng có thể làm được. Nhưng trong một số bài toán hay trường hợp cụ thể thì contourlet lại cho kết quả tốt hơn nhiều so với wavelet. Đó là nhờ vào khả năng nắm bắt được thông tin đường biên trơn của các vật thể so với biến đổi wavelet.
Contourlet dùng để trích xuất các đối tượng rất tốt nhờ vào các đường biên trơn của các đối tượng. Các mạch máu trong ảnh y khoa chính là những đối tượng như vậy. Contourlet trích xuất đối tượng mạch máu tốt hơn hẳn so với các phương pháp khác áp dụng cho bài toán này (như phân ngưỡng , kmeans). Các yếu tố gây nhiễu được loại bỏ hoàn toàn trong ảnh y khoa.
4.1.4 So sánh và đánh giá kết quả
So sánh kết quả giữa trích xuất đối tượng mạch máu trong ảnh y khoa bằng contourlet và kmeans ta thấy Contourlet trích xuất chính xác hơn và ít xác định sai các yếu tố gây nhiễu.
Hình 4.1 So sánh kết qủa giữa Ảnh gốc - Ảnh trích xuất bằng Contourlet và bằng K-mean.
Hình 4.2 Số liệu trên 20 ảnh so sánh độ lệnh giữa hai phương pháp K-means và Contourlet.
Ảnh đầu Vào Ảnh Trích Xuất Độ chính xác
85%
76%
85%
81%
86%
Hình 4.3 So sánh độ chính xác dựa trên tiêu chuẩn mạch máu theo đánh giá và số mạch máu được trích xuất
Đánh giá : Phương pháp Contourlet luôn trích chính xác các mạch máu và không chứa các nhiễu hay giả mạch máu. Trong khi bằng phương pháp K-mean luôn trích số lượng mạch máu cao hơn phương pháp Contourlet vì nó không có cơ chế loại thành phần nhiễu nhờ biên mạch máu như Concourlet.
4.2. Hướng phát triển
Bài toán mặc dù đã được đáp ứng một cách trọn vẹn nhưng vần còn nhiều vấn đề chi tiết mà các phương pháp đề cập chưa giải quyết được :
- Mặc dù xác định tốt các mạch máu trong ảnh scan não người. Nhưng do tính chất phức tạp của các mạch máu não người nên cần phải có thêm cơ chế nội suy mạch máu để tìm ra các mạch máu nằm lẫn trong xương.
- Có nhiều trường hợp thuật toán chưa nhận ra được mạch máu như : mạch máu có hình bầu dẹp , hay các mạch máu dính với nhau , nối với nhau hay cuộn vào nhau. Cần phải có bước tiền xử lý để tách biệt chúng với nhau trước khi xây dựng mối quan hệ giữa các mạch máu.
- Các biến đổi contourlet thực hiên rất tốt công việc phân tích ảnh theo các hướng tuy nhin tốc đô của phép biến đổi chưa được cải tiến để nhanh như phép biến đổi wavelet. Đây cũng là một yếu điểm của biến đổi Contourlet.