Hình 2.2 biểu diễn mức xám đồ của ảnh mdb132 từ cơ sở dữ liệu mini-MIAS [47]. Có thể nhận thấy mức xám đồ này có 3 đỉnh rõ rệt tương ứng với: (i) vùng nền ảnh, (ii): vùng mô vú (mô mỡ hoặc mô tuyến) và (iii) vùng cơ ngực, nhãn ảnh, lỗi số hóa. Như vậy có thể sử dụng phương pháp lấy ngưỡng [81] để loại bỏ vùng nền ảnh, vùng nhãn ảnh tách lấy vùng ảnh vú. Đa phần các nghiên cứu đều đi theo hướng này.
Để tách vùng ảnh vú, Eltoukhy [66] đưa ra thuật toán gồm 3 bước. Bước 1, loại bỏ nền ảnh bằng cách tính tổng từng hàng và từng cột. Các hàng và cột này sẽ bị loại bỏ nếu tổng của chúng thấp hơn một giá trị xác định trước như trong công thức 2.1
1 1 0 1 2 0 , , m M m n N n I m n I m n (2.1)
trong đó, I(m,n) là mức xám của điểm ảnh (m,n); M, N là kích thước của ảnh còn ε1 và ε2
là các mức ngưỡng xác định trước. Bước 2, lấy ngưỡng ảnh theo phương pháp Otsu [81]. Giá trị mức ngưỡng là giá trị mức xám tại đó phương sai giữa vùng nền ảnh và phần còn lại của ảnh là lớn nhất. Các điểm ảnh có giá trị nhỏ hơn mức ngưỡng được coi là nền ảnh
và bị loại bỏ. Bước 3, đánh số từng vùng, giữ lại vùng có diện tích lớn nhất. Đó chính là vùng vú.
Hình 2.2.Mức xám đồ của ảnh mdb 132.
Belloti [80] trước tiên lật các ảnh chụp vú phải 900để giống ảnh chụp vú trái. Sau đó tiến hành tìm kiếm trên từng hàng, đoạn pixel liền kề có giá trị lớn hơn 1 ngưỡng xác định. Tất cả các pixel còn lại trong hàng sẽ được đặt bằng 0. Lập lại quá trình này cho lần lượt từng hàng sẽ thu được vùng ảnh vú.
Sample [60] đưa ra một phương pháp dùng đa mức ngưỡng tách biệt đồng thời phần cơ ngực, phần mô vú trong vùng ảnh vú và vùng nền ảnh. Ảnh chụp X-quang vú được chia thành các ảnh con (không chồng lấn hoặc chồng lấn lên nhau). Một ảnh mới được gọi là ảnh sai khác mức xám đồ được xây dựng từ tích vô hướng chuẩn hóa của các vectơ phân bố mức xám của từng cặp ảnh con. Các mức ngưỡng này được xác định từ các đỉnh cục bộ của mức xám đồ của ảnh sai khác mức xám đồ.
Ý tưởng mà Masek [67] đưa ra cũng giống với của Sample [60] ở chỗ dùng đa mức ngưỡng để phân tách phần cơ ngực, phần mô vú (mô mỡ hoặc mô tuyến) trong vùng ảnh vú và vùng nền ảnh, vùng nhãn ảnh. Mức ngưỡng thứ nhất được lựa chọn là mức ngưỡng tối thiểu entropy chéo giữa vùng nền ảnh và vùng ảnh vú. Mức ngưỡng thứ hai là mức ngưỡng tối thiểu entropy chéo giữa phần cơ ngực và phần mô vú.
Telebpour [9] thì lại đơn giản chỉ sử dụng bước 2 và 3 giống như trong [66].
Trong luận án này, phương pháp được đề xuất trong [96] được sử dụng để tách vùng ảnh vú[96][96]. Phương pháp này bao gồm các bước sau:
- Dùng một mức ngưỡng xác định trước để phân ảnh chụp X-quang vú thành các vùng khác nhau.
- Đánh số hiệu từng vùng dùng thuật toán đánh số hiệu các phần tử liên kết CCL [81] - Loại bỏ các vùng có diện tích nhỏ, giữ lại vùng có diện tích lớn nhất.
Thử nghiệm, đánh giá trên cơ sở dữ liệu mini-MIAS [47], mức ngưỡng tối ưu xác định được là T=16.
Hiệu quả của phương pháp được minh họa ở hình 2.3.
(a)
(b)
(c)
Hình 2.3.Ảnh chụp X-quang vú ban đầu (trái) và ảnh vùng vú (phải). (a) Ảnh mdb115. (b) Ảnh mdb274. (c) Ảnh mdb283.
Có thể nhận thấy phương pháp đề xuất cho kết quả tách vùng vú là tốt trên phần lớn các ảnh có trong cơ sở dữ liệu (hình 2.3a). Trong một số trường hợp khi trong ảnh gốc,
vùng nhãn ảnh và vùng lỗi số hóa chờm lên vùng ảnh vú (như ở hình 2.3b và 2.3c) thì kết quả là chấp nhận được.
Đồng thời so sánh hiệu quả tách vùng ảnh vú của phương pháp được sử dụng với phương pháp của Masek [67] và Telebpour [9] cũng được thực hiện. Kết quả trên hình 2.4 cho thấy, trên cả 3 loại ảnh chụp X-quang vú khác nhau có trong cơ sở dữ liệu mini-MIAS [47] là ảnh mô tuyến, ảnh mô tuyến dầy đặc và ảnh mô mỡ thì phương pháp được sử dụng là đơn giản và cho kết quả chính xác hơn so với 2 phương pháp được so sánh.
Ảnh gốc Masek [67] Telebpour [9] Phương pháp sử dụng
Hình 2.4.So sánh hiệu quả tách vùng ảnh vú của phương pháp được sử dụng với phương pháp của Masek [67] và Telebour [9]. Hàng trên cùng: ảnh mdb209, ảnh mô tuyến. Hàng giữa: ảnh