Ảnh hưởng của các phương pháp hình thái học lên hình ảnh y tế

Nghiên cứu khoa học công nghệ<br /> <br /> ẢNH HƯỞNG CỦA CÁC PHƯƠNG PHÁP HÌNH THÁI HỌC<br /> LÊN HÌNH ẢNH Y TẾ<br /> Hà Quang Thanh1*, Phan Việt Cương2 Hồ Thị Thảo2, Lê Tuấn Anh2,<br /> Nguyễn Hồng Hà2, Nguyễn Hải Dương3., Tạ Chí Hiếu3<br /> Tóm tắt: Xử lý và nâng cao chất lượng hình ảnh y tế với sự trợ giúp của các<br /> phần mềm máy tính là một trong những giai đoạn quan trọng trong chẩn đoán và<br /> điều trị hiện nay. Trong bài báo này, chúng tôi tập trung vào mô tả các thuật toán<br /> hình thái học mới sử dụng ITK (Insight Segmentation and Registration Toolkit). Các<br /> toán tử hình thái này loại bỏ nhiễu, phát hiện biên tốt, và khắc phục được nhược<br /> điểm của các phương pháp phát hiện biên truyền thống [1].<br /> Từ khóa: Xử lý ảnh y tế; Phát hiện biên; Tăng cường hình ảnh; Các thuật toán hình thái; ITK.<br /> <br /> 1. GIỚI THIỆU<br /> Hầu hết các hình ảnh y tế (X-quang, CT - Chụp cắt lớp vi tính và MRI - Chụp cộng<br /> hưởng từ) có độ tương phản thấp và các giá trị cường độ xám thay đổi đáng kể trên cùng<br /> một mô so với các định dạng hình ảnh thông thường khác (.jpg; .pnd; .gif; .tiff; .bmp). Vì<br /> một số đối tượng, bộ phận bị che khuất hoặc xâm chiếm bởi các mô lân cận nên rất khó để<br /> phân biệt các biên của đối tượng quan tâm và môi trường bao quanh nó. Một nguyên nhân<br /> khác gây suy giảm chất lượng hình ảnh y tế phổ biến là sự xuất hiện của nhiễu và các hiệu<br /> ứng hình sao trong quá trình tạo ảnh [2]. Một kỹ thuật vừa nâng cao độ tương phản biên<br /> tốt, vừa loại nhiễu là cần thiết để xử lý các nhược điểm nêu trên. Quá trình phát hiện biên<br /> nâng cao chất lượng hình ảnh ảnh hưởng đáng kể và trực tiếp đến kết quả hình ảnh cuối<br /> cùng cung cấp cho bệnh nhân và bác sĩ. Mục đích của công việc này là để tăng cường, làm<br /> nổi bật và trích xuất các đối tượng có cấu trúc trong khó phát hiện với mắt người. Vì<br /> những lí do đó, phần mền máy tính với các thuật toán mới ưu việt hơn đóng vai trò quan<br /> trọng trợ giúp trong chẩn đoán lâm sàng.<br /> Bài báo đề xuất ứng dụng kỹ thuật tăng cường độ tương phản, nhận dạng các đối tượng<br /> quan tâm từ các hình ảnh y khoa sử dụng các kỹ thuật hình thái, thay thế các phương pháp<br /> cổ điển hiệu suất thấp. Cơ sở của các thuật toán này dựa trên lý thuyến tập hợp và cấu trúc<br /> ngẫu nhiên. Hình thái học có thể được cũng sử dụng như là kỹ thuật chính thay thế nhiều<br /> kỹ thuật tiền xử lý và sau xử lý khác [3]. Nguyên tắc hoạt động của nó phụ thuộc vào yếu<br /> tố cấu trúc (structuring element) di chuyển trên toàn bộ hình ảnh. Hiệu quả của phương<br /> pháp đề xuất đã được chứng minh bằng các kết quả thực nghiệm thực hiện trên ảnh CT,<br /> MRI trên cơ sở công cụ ITK [4].<br /> Bài báo được bố cục thành 3 phần: Phần 1 giới thiệu cách tiếp cận. Phần 2 trình bày<br /> hoạt động của 4 thuật toán hình thái học chính. Phần 3 sử dụng Phantom mẫu Gamex 463<br /> làm chuẩn đo lường để đánh giá kết quả và sử dụng ảnh lâm sàng thực tế, ưu điểm và<br /> nhược điểm của từng phương pháp được thực hiện trên hình ảnh y tế.<br /> 2. PHƯƠNG PHÁP<br /> 2.1. Lựa chọn phần tử cấu trúc<br /> Các thuật toán hình thái thường được sử dụng bao gồm giãn nở (dilation), co (erosion),<br /> mở (opening) , đóng (closing).<br /> Các phần tử cấu trúc là các thành phần cơ bản của thuật toán hình thái [5]. Việc lựa<br /> chọn hình dạng (hình vuông, ellipse, chữ thập, ...) , kích thước (3x3, 5x5, 7x7, ...) và gốc (<br /> ogirin) của phần tử cấu trúc ảnh hưởng trực tiếp đến kết quả hình ảnh (hình 1). Phần tử cấu<br /> trúc là ma trận của hai giá trị 0 và 1 (đối với ảnh nhị phân, còn đối với ảnh đa mức xám thì<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san FEE, 08 - 2018 369<br />  Đo lường – Tin học<br /> ma trận gồm các giá trị từ 0 đến 255) , trong đó 1 được xác định là pixel lân cận và 0 bỏ<br /> qua trong quá trình tính toán. Kích thước đối tượng và độ phân giải của hình ảnh cũng liên<br /> quan tới hoạt động của yếu tố cấu trúc. Theo lý thuyết phân tích hình ảnh, yếu tố cấu trúc<br /> càng nhỏ, khả năng lọc nhiễu ít hơn, nhưng có thể nhận dạng các biên nhỏ và ngược lại.<br /> Trong hình ảnh y tế, tùy thuộc vào đối tượng quan tâm mà ta chọn yếu tố cấu trúc cho phù<br /> hợp.<br /> <br /> <br /> <br /> <br /> Hình 1. Hình dạng của phần tử kết cấu.<br /> 2.2. Phép toán giãn nở, co, mở và đóng<br /> 2.2.1. Hình thái học trên ảnh nhị phân<br /> Giãn nở và co là 2 toán tử cơ bản của phương pháp hình thái học và được sử dụng trong<br /> phân đoạn hình ảnh, nhận dạng đối tượng, phát hiện biên, trích xuất đặc điểm, ... Sự giãn<br /> nở là quá trình mở rộng các tính năng bằng cách quét các phần tử cấu trúc trên toàn bộ<br /> hình ảnh. Các điểm ảnh được thêm vào ranh giới của các đối tượng và được đặt ở mức tối<br /> đa trong quá trình mở rộng. Ngược lại, quá trình thu hẹp làm mảnh các tính năng, tách các<br /> đối tượng gần nhau và tìm xương của đối tượng. Nguyên tắc hoạt động của quá trình này<br /> là các pixel được đặt ở mức tối thiểu để loại bỏ các pixel tương ứng khỏi ranh giới đối<br /> tượng bằng cách di chuyển phần tử cấu trúc.<br /> Toán tử mở là sự kết hợp của phép co trước và phép giản nở sau, theo đó phần tử được<br /> cuộn dọc theo biên bên trong. Toán tử đóng thực hiện phép giản nở trước và phép co sau,<br /> trong đó phần tử được di chuyển dọc theo ranh giới bên ngoài [6].<br /> Đối với hình ảnh nhị phân, với:<br /> A – Ảnh gốc<br /> B – Phần tử cấu trúc<br /> Các toán tử hình thái học được định nghĩa như sau:<br /> Phép giãn nở: A được mở rộng bởi B, được viết là A⊕B, được định nghĩa là (1):<br /> A⨁B = {a+b| với b∈ B và a∈ A} (1)<br /> Phép co: A được thu hẹp bởi B, được viết là A⊝B, và được định nghĩa là (2):<br /> A⊝B = {p| (b+p) ∈A với mọi b∈B} (2)<br /> Phép mở là sử dụng lần lượt B thu hẹp A và sau đó tiếp tục mở rộng kết quả thu được,<br /> được viết là A◦B, được định nghĩa là (3):<br /> A∘B = (A⊝B)⨁B (3)<br /> Ngược lại với mở, phép đóng sử dụng B mở rộng A và sau đó B tiếp tục thu hẹp kết<br /> quả thu được, được viết là A•B, được định nghĩa là (4):<br /> A•B = (A⨁B)⊝B (4)<br /> 2.2.2. Hình thái học với ảnh đa mức xám<br /> A(x,y) là ma trận điểm ảnh của hình ảnh đa mức xám 2 chiều. B (a,b) là phần tử cấu trúc.<br /> <br /> <br /> <br /> <br /> 370 H. Q. Thanh, …, T. C. Hiếu, “Ảnh hưởng của các phương pháp … lên hình ảnh y tế.”<br /> Nghiên cứu khoa học công nghệ<br /> Giãn nở, co, mở và đóng của hình ảnh đá mức xám A(x,y) bởi một phần tử cấu trúc đa<br /> mức xám B(a,b) được biểu diễn tương ứng (5), (6), (7), (8) [7]:<br /> (A⨁B)(x,y) = max{A(x-a,y-b) + B(a, b)} (5)<br /> (A⊝B)(x,y) = min{A(x-a,y+b) - B(a,b)} (6)<br /> (A∘B)(x,y) = (A⊝B)(x,y) ⨁ B(a,b) (7)<br /> (A•B)(x,y) = (A⨁B)(x,y) ⊝ B(a,b) (8)<br /> Tương tự như hình ảnh nhị phân, phép co làm mảnh hoặc làm giảm kích thước thang<br /> độ xám của đối tượng, loại bỏ nhiễu và chi tiết dư thừa. Giãn nở làm tăng hoặc mở rộng<br /> kích thước quy mô thang độ xám của đối tượng, phá vỡ các phân đoạn, lấp đầy các khoảng<br /> trống. Hiệu quả của các thuật toán giãn nở và co là rất rõ ràng đối với việc trích lọc biên<br /> đối tượng, nhưng việc lọc nhiễu vẫn là nhược điểm lớn [8].<br /> Sự kết hợp của giãn nở và co để khắc phục những nhược điểm của việc sử dụng từng<br /> toán tử riêng lẻ. Toán tử mở các phần tử giúp làm mịn biên ảnh, loại bỏ các phần không<br /> liên tục (đối với các vùng nhỏ hơn phần tử cấu trúc), và loại bỏ phần lồi lên. Trái ngược<br /> với mở, toán tử đóng cũng loại bỏ nhiễu, xóa các lỗ nhỏ, lấp đầu các lỗ trống trên đường<br /> biên của đối tượng [9].<br /> Bởi vì việc sử dụng riêng biệt các toán tử nhị nhân không linh hoạt theo quyết định của<br /> người sử dụng. Việc kết hợp hai toán tử này để giải quyết một số trường hợp như: mở rộng<br /> các chi tiết quan trọng trong khi loại bỏ không gian thừa hoặc các kẽ hở (Nếu chỉ có toán<br /> tử giãn nở thì không làm được điều này). Hoặc chỉ để xóa bỏ nhiễu, trong khi kích thước<br /> của các đối tượng không thay đổi (nếu chỉ có toán tử co thì không làm được điều này).<br /> 3. KẾT QUẢ<br /> Phương pháp đánh giá tính hiệu quả của các thuật toán này dựa trên công cụ xử lý<br /> hình ảnh ITK 4.11.0 (Insight Segmentation and Registration Toolkit). Những hình ảnh<br /> được sử dụng trong bài viết được lấy từ Bệnh viện Đà Nẵng, Bệnh viện Trung ương Quân<br /> đội 108 và từ dữ liệu của thư viện ITK. Bằng cách sử dụng ITK với cấu hình hệ thống<br /> Inter(R) Core(TM)i5-4210U, CPU 1.7GHz, RAM 4GB, Windows 10 64 bit, thực hiện<br /> phương pháp tiếp cận được đề xuất trong [5, 20, 21, 23]. Kết quả chỉ ra rằng:<br /> Kết quả thử nghiệm phương pháp đề xuất trên phantom Gamex 463 được lấy từ bệnh<br /> viện ung bướu Kiên Giang. Kết quả làm tăng cường nổi bật và trích xuất các đối tượng có<br /> cấu trúc, tính toán diện tích của 2 vùng trên phantom lần lượt là 6475 pixel2 và 7230<br /> pixel2, gần bằng với số liệu diện tích được ghi trên phantom là 6655 pixel2 và 7554 pixel2.<br /> Tỉ lệ chính xác tương ứng là 97.3% và 95.7%.<br /> <br /> <br /> <br /> <br /> a, b, c,<br /> Hình 2. (a) Ảnh gốc phantom Gamex 463, (b) ảnh thu được khi áp dụng,<br /> (c) ảnh thu được sau khi áp dụng thuật toán.<br /> Kết quả xử lý của hình ảnh CT, MRI thực tế, hình 3, 4, 5, 6 kết quả thu được sau khi<br /> thực hiện các thuật toán hình thái học. Các hình ảnh thu được đã được hiệu chỉnh để ngăn<br /> <br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san FEE, 08 - 2018 371<br />  Đo lường – Tin học<br /> chặn các hiệu ứng đường biên và duy trì các giá trị ban đầu của ảnh gốc. Từ hình 3, chúng<br /> ta có thể thấy rằng thuật toán giãn nở làm tăng số lượng pixel sáng và giảm số lượng pixel<br /> tối. Hình ảnh cuối cùng có phân bố cường độ đồng đều trên hình ảnh gốc. Hình 3, 4 cho<br /> thấy các kết quả khác nhau của các phần tử cấu trúc 3x3, 5x5. Độ tương phản tăng theo<br /> kích thước của phần tử cấu trúc, với phần tử cấu trúc 3x3 cho kết quả tốt nhất. Nhưng các<br /> biên không được bảo toàn khi kích thước của các phần tử này tăng lên và kết quả là các<br /> cấu trúc bên trong hầu như không nhìn thấy được. Hình 5, 6 là kết quả tương ứng của hình<br /> thái mở và đóng, các điểm ảnh tối được loại bỏ nhưng các điểm ảnh sáng không bị ảnh<br /> hưởng. Hình 5 thu được khung xương của đối tượng khi thực hiện phép trừ hình ảnh gốc<br /> và hình ảnh phép mở. Kết quả của hình 6 cho thấy các biên của hình ảnh MRI đại tràng<br /> được phát hiện hoàn toàn và phân biệt khi thực hiện phép trừ hình ảnh gốc và hình ảnh<br /> hình thái đóng.<br /> <br /> 1<br /> <br /> <br /> <br /> <br /> 2<br /> <br /> <br /> <br /> <br /> 3<br /> <br /> <br /> <br /> <br /> a, b, c,<br /> Hình 3. (a) Ảnh gốc; (b), (c) Tương ứng là hình ảnh thu được với các phần tử cấu trúc<br /> 3x3, 5x5 của phép giãn nở. (1,3) Hình ảnh MRI của bụng và đại tràng lấy từ [10];(2) Hình<br /> ảnh CT của bệnh nhân Lê Quang T, lấy từ Bệnh viện Đà Nẵng.<br /> <br /> <br /> <br /> 372 H. Q. Thanh, …, T. C. Hiếu, “Ảnh hưởng của các phương pháp … lên hình ảnh y tế.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> <br /> <br /> <br /> Hình 4. (a) Ảnh gốc; (b), (c) Tương ứng là hình ảnh thu được với các phần tử cấu trúc<br /> 3x3, 5x5 của phép co.<br /> <br /> <br /> <br /> <br /> a, b, c, d,<br /> Hình 5. (a) Là hình ảnh thu được với phần tử cấu trúc 3x3; (b) Hình ảnh gốc – Hình ảnh<br /> (a); (c) Là hình ảnh thu được với phần tử cấu trúc 5x5; (d) Hình ảnh gốc – Hình ảnh (c)của<br /> hình thái mở.<br /> <br /> <br /> <br /> <br /> a, b, c, d,<br /> Hình 6. (a) Là hình ảnh thu được với phần tử cấu trúc 3x3; (b) Hình ảnh gốc – hình ảnh<br /> (a); (c) Là hình ảnh thu được với phần tử cấu trúc 5x5; (d) Hình ảnh gốc – hình ảnh (c) của<br /> hình thái đóng.<br /> <br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san FEE, 08 - 2018 373<br />  Đo lường – Tin học<br /> Ưu điểm lớn nhất của phương pháp là các khu vực biên có độ tương phản thấp và suy<br /> giảm chất lượng của hình ảnh phổi, gan, mô khác,.. được xác định rõ ràng.<br /> Nhược điểm của các phương pháp trên là phần tử cấu trúc di chuyển theo hướng cố<br /> định trên ảnh, do đó nhiễu có thể được tạo ra ở ngoài phạm vi của đối tượng quan tâm.<br /> Hình ảnh mục tiêu cuối cùng trở nên phức tạp hơn trong trường hợp này.<br /> 4. KẾT LUẬN<br /> Hình thái học là phương pháp mới được sử dụng trong phân tích và xử lý hình ảnh y tế<br /> thay vì các phương pháp phát hiện biên truyền thống. Kết quả thử nghiệm cho thấy<br /> phương pháp này cải thiện độ tương phản, nhận dạng và trích xuất được các biên của hình<br /> ảnh y tế. Ưu điểm của phương pháp này là phân biệt rõ ràng các biên với các đối tượng lân<br /> cận, giảm các lỗi trong quá trình nhận dạng đối tượng. Phép giãn nở, co, mở và đóng đã<br /> cải thiện chất lượng của toàn bộ hình ảnh, không phân biệt các điểm ảnh do đó nhiễu được<br /> loại bỏ hoàn toàn. Hiệu quả của cách tiếp cận này hỗ trợ việc phân đoạn và trích xuất các<br /> khối u và tổn thương ở những giai đoạn xử lý về sau đối với ảnh y tế.<br /> TÀI LIỆU THAM KHẢO<br /> [1]. K. Shri Sarika, P. Sudha, " An Analysis of Edge Extraction for MRI Medical Images<br /> through Mathematical Morphological Operators Approaches," IJCA Proceedings on<br /> International Conference on Research Trends in Computer Technologies, (2013).<br /> [2]. Yoshitaka Kimori, " Morphological image processing for quantitative shape analysis<br /> of biomedical structures: effective contrast enhancement," Journal of Synchrotron<br /> Radiation, pp. 848 - 853, Vol. 20, (2013).<br /> [3]. Raihan Firoz, Md Islam, Md. Shahinuzzaman," Medical Image Enhancement Using<br /> Morphological Transformation," Journal of Data Analysis and Information<br /> Processing, pp. 1 - 12, Vol. 4, (2016).<br /> [4]. https://itk.org/<br /> [5]. H. J. Johnson, M. M. McCormick, and L. Ibanez, "The ITK Software Guide," The<br /> Insight Software Co. Shahjahan Ali, M. Nasir Uddin Khan, Md. Khalid Hossain, Md.<br /> Khairul nsortium, Chapter 2, pp. 82 - 86, (2016). Available at:<br /> https://itk.org/ItkSoftwareGuide.pdf<br /> [6]. Gaetan Lehmann, "Binary morphological closing and opening image filters," The<br /> Insight Journal, (2006).<br /> [7]. Mahesh Kumar, Sukhwinder Singh, " Edge detection and denoising medical image<br /> using morphology," International Journal of Engineering Sciences & Emerging<br /> Technologies, Vol. 2, pp. 66 - 72, (2012).<br /> [8]. Zhao Yu-qian, Gui Wei-hua, Chen Zhen-cheng, Tang Jing-tian, Li Ling yun, "<br /> Medical Images Edge Detection Based on Mathematical Morphology," Engineering<br /> in Medicine and Biology 27th Annual Conference, Proceedings of the 2005 IEEE,<br /> pp. 6492 – 6495, (2005).<br /> [9]. W. Li, Véronique Haese-Coat, Joseph Ronsin, "Object Detection in Medical Images<br /> Based on Improved Morphological Multiresolution Decomposition and<br /> Morphological Segmentation," Russian Journal of Biomechanics, pp. 75 - 88, No. 1,<br /> (1999).<br /> [10]. Available at : http://www.barre.nom.fr/medical/samples/<br /> <br /> <br /> <br /> 374 H. Q. Thanh, …, T. C. Hiếu, “Ảnh hưởng của các phương pháp … lên hình ảnh y tế.”<br /> Nghiên cứu khoa học công nghệ<br /> ABSTRACT<br /> EFFECTS OF EFFECTIVE METHODOLOGY<br /> MEDICAL PHOTOS<br /> Handling and improving the quality of medical images with the help of computer<br /> software is one of the important stages in the diagnosis and treatment. In this<br /> article, we focus on describing the new morphological algorithms by ITK (Insight<br /> Segmentation and Registration Toolkit). These morphological operators eliminate<br /> noise, detect good edges, and overcome the drawback of traditional border<br /> detection methods [1].<br /> Keywords: Medical image processing; Edge detection; Image enhancement; Morphological algorithms; ITK.<br /> <br /> <br /> <br /> Nhận bài ngày 01 tháng 7 năm 2018<br /> Hoàn thiện ngày 10 tháng 9 năm 2018<br /> Chấp nhận đăng ngày 20 tháng 9 năm 2018<br /> <br /> <br /> Địa chỉ: 1 Viện Trang Thiết bị và Công trình Y tế;<br /> 2<br /> Trung tâm Vật lý hạt nhân, Viện Vật lý, Viện HLKH-CNVN;<br /> 3<br /> Học viện Kỹ thuật quân sự.<br /> *<br /> Email: Haquangthanh70@gmail.com.<br /> <br /> <br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san FEE, 08 - 2018 375<br />