zunia.vn

Tuyển sinh 2024 dành cho Gen-Z

zunia.vn

» Y Tế - Sức Khoẻ

» Y khoa - Dược

Tổng hợp hình ảnh y học MRI và PET

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:4

Báo xấu

20
lượt xem 3
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Tổng hợp hình ảnh y học là quá trình trích xuất các đặc điểm nổi bật từ các hình ảnh y học và kết hợp chúng bằng một thuật toán thích hợp. Bài viết Tổng hợp hình ảnh y học MRI và PET trình bày các nội dung sau: Biến đổi Haar; Giải thuật tối ưu hóa bầy đàn.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Tổng hợp hình ảnh y học MRI và PET

Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8 TỔNG HỢP HÌNH ẢNH Y HỌC MRI VÀ PET Đinh Phú Hùng Trường Đại học Thủy lợi, email: hungdp@tlu.edu.vn 1. GIỚI THIỆU được tăng cường bởi các các kĩ thuật xử lý ảnh cơ bản như tăng cường Histogram (giúp Tổng hợp hình ảnh y học là quá trình trích tăng độ tương phản), dò biên Canny (giúp xuất các đặc điểm nổi bật từ các hình ảnh y tìm đường biên của ảnh), lọc nhiễu bằng học và kết hợp chúng bằng một thuật toán trung vị (giúp giảm nhiễu cho ảnh). Sau đó, thích hợp. Ảnh cộng hưởng từ MRI giải thuật tối ưu PSO (Particle swarm (Magnetic Resonance Imaging) cung cấp các optimization) được sử dụng để tìm ra các hệ thông tin chi tiết về giải phẫu cũng như các số tối ưu cho các hình ảnh đó với hàm mục thành phần mô. Ngược lại, chụp cắt lớp phát tiêu là hàm chỉ số tương phản Michelson. xạ PET (Positron Emission Tomography) có Hình ảnh tăng cường thu được dựa trên tổng độ phân giải thấp hơn so với ảnh cộng hưởng của các hình ảnh tạm thời nhân với các hệ số từ MRI nhưng nó miêu tả các mô phân tử và tối ưu tìm được tương ứng. Cuối cùng hình hoạt động bệnh lý mà ảnh MRI không có. ảnh tăng cường sẽ được kết hợp với các kênh Việc tổng hợp hai hình ảnh này đóng vai trò H và S để chuyển về miền RGB. Thực quan trọng trọng các ứng dụng y học như nghiêm cho thấy, phương pháp đề xuất này chuẩn đoán bệnh. Trên thực tế, một số có thể giúp cải thiện độ tương phản, loại bỏ phương pháp tiếp cận giải bài toán này như nhiễu và làm sắc nét đường biên cho hình sử dụng không gian màu IHS kết hợp với ảnh tổng hợp. biến đổi DWT hoặc PCA [1] gặp phải các vấn đề là hình ảnh tổng hợp thu được có thể 2. KIẾN THỨC NỀN TẢNG bị nhiễu và mất thông tin. Để giải quyết vấn đề, bài báo này đề xuất một phương pháp 2.1. Biến đổi Haar mới để cải thiện những vấn đề gặp phải ở Là một phương pháp cơ bản để biến đổi trên. Phương pháp này gồm hai giai đoạn: ảnh thành các thành phần miền số thấp và giai đoạn thứ nhất là tổng hợp hình ảnh và cao. Ở cấp độ biến đổi thứ nhất, phép biến giai đoạn thứ hai là tăng cường chất lượng đổi Haar sẽ biến đổi ảnh thành 4 thành phần cho hình ảnh tổng hợp. Trong giai đoạn thứ LL, LH, HL và HH. Các thành phần này nhất, việc tổng hợp hình ảnh này tương tự như cách Sawant SD [1] và các đồng nghiệp thường được sử dụng trong quá trình tổng đã đề xuất. Ảnh màu chụp cắt lớp phát xạ hợp ảnh. PET được chuẩn hóa về miền [0, 1] và 2.2. Giải thuật tối ưu hóa bầy đàn chuyển đổi sang miền IHS, các kênh H và S được giữ nguyên. Tiếp theo, kênh I và hình Phương pháp PSO được đề xuất bởi J. ảnh cộng hưởng từ MRI được biến đổi Haar Kennedy [2] và đồng nghiệp. Phương pháp để thu được các thành phần trên miền tần số này khởi tạo bằng một nhóm cá thể ngẫu sau đó được tổng hợp lại với nhau theo một nhiên và sau đó tìm nghiệm tối ưu bằng cách quy tắc cụ thể và được biến đổi Haar ngươc cập nhật các thế hệ. Trong mỗi thế hệ, mỗi cá để thu được hình ảnh tổng hợp. Trong giai thể được cập nhật theo hai vị trí tốt nhất là đoạn thứ hai, từ hình ảnh tổng hợp thu được và . Trong đó, giá trị thứ nhất là vị tiến hành tạo ra các hình ảnh tạm thời mà nó trí tốt nhất mà nó đã từng đạt được cho tới 145
Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8 thời điểm hiện tại, gọi là . Một nghiệm 2.3.3. Nội dung thông tin tối ưu khác mà cá thể này bám theo là Nội dung thông tin diễn tả lượng thông nghiệm tối ưu toàn cục , đó là vị trí tốt điệp mà bức ảnh chứa trong đó. Thông số này nhất trong cả quá trình tìm kiếm cả quần thể còn được gọi là entropy và được tính bằng từ trước tới thời điểm hiện tại. Cụ thể, vận công thức: tốc và vị trí của mỗi cá thể được cập nhật ∑ * theo các công thức sau: i Trong đó, là tần suất xuất hiện của điểm = + ( _ )+ ảnh thứ i. ( ) (1) 2.3.4. Độ sắc nét của ảnh Độ sắc nét của ảnh được tính bằng công thức: = + (2) Trong đó: G= ∑ và = ∆ ∆ : Vị trí cá thể thứ i tại thế hệ k ; Trong đó: : Vận tốc cá thể thứ i tại thế hệ k; ∆u = I (u, v) – I (u + 1, v) ∆v = I (u, v) – I (u, v + 1) : Vị trí cá thể thứ i tại thế hệ k+1; I (u, v) là giá trị điểm ảnh tại hàng u, cột v : Vận tốc cá thể thứ i tại thế hệ k+1; của ảnh; _ : Vị trí tốt nhất của cá thể thứ i tại I (u + 1, v) là giá trị điểm ảnh tại hàng thế hệ k ; u + 1, cột v của ảnh; : Vị trí tốt nhất trong quần thể tại thế I (u, v + 1) là giá trị điểm ảnh tại hàng u, hệ k; cột v + 1 của ảnh; = 0.729 là hệ số quán tính; , lần lượt là số hàng, cột của ma trận I. , : Các hệ số gia tốc, nhận giá trị từ 1.5 3. GIẢI THUẬT ĐỀ XUẤT đến 2.5; , : Các số ngẫu nhiên nhận giá trị trong Đầu vào: khoảng [0, 1]. - Ảnh cộng hưởng từ - Ảnh màu chụp cắt lớp phát xạ 2.3. Các chỉ số đánh giá Đầu ra: 2.3.1. Độ sáng của ảnh - Hình ảnh tổng hợp Công thức tính giá trị trung bình (chỉ số về Bước 1: Các hình ảnh và được độ sáng) của ảnh là: chuẩn hóa về miền [0, 1] = ∑ ∑ Bước 2: Ảnh màu được biến đổi sang , miền IHS để tách thành 3 kênh I, H, và S. Trong đó: Bước 3: Các hình ảnh I và hình ảnh cộng là giá trị trung bình; hưởng từ được biến đổi Haar sang miền , lần lượt là tổng số hàng, cột của ma tần số như sau: hình ảnh I biến đổi thành 4 trận I; thành phần (LL, LH, HL, HH) và hình ảnh , là phần tử hàng u, cột v của ma trận. ( , , , ) tương ứng. 2.3.2. Độ tương phản của ảnh Bước 4: Tạo ra các thành phần mới Công thức tính độ tương phản (phương , , , như sau: thành sai) của ảnh: phần = (LL + )/2. Các thành 1 phần còn lại max , , = ∑ , , ∑ , , M ×N max , và thành phần Trong đó: max , . là độ tương phản của ảnh’ Bước 5: Biến đổi ngược Haar đối với 4 , lần lượt là số hàng, cột của ma trận’ thành phần ( , , , ) thu , là phần tử hàng u, cột v của ma trận. được ảnh tổng hợp . 146
Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8 Bước 6: Từ hình ảnh tổng hợp thu Các hình ảnh và là hình ảnh PET và được, tạo ra các hình ảnh tạm thời , MRI tương ứng với 1,5. Gọi là ảnh và bằng phương pháp cân bằng kết hợp giữa hình ảnh PET ( ) và hình ảnh Histogram, dò biên Canny, và lọc trung vị MRI ( ) qua sử dụng phương pháp biến đổi tương ứng. DWT, ảnh là hình ảnh sau khi sử dụng Bước 7: Tạo ra hình ảnh kết hợp phương pháp đề xuất đối với ảnh (Xem Hình 1). Khởi tạo tham số PSO như sau: với , , 0, 1 được xác định bằng Số lượng cá thể: n = 100. cách sử dụng phương pháp tối ưu hóa bầy Hệ số: = = 2. đàn PSO với hàm mục tiêu là Hệ số quán tính = 0.729. . Trong đó, và lần Kết quả đo độ sáng , độ tương phản lượt là Entropy của hình ảnh và hình ( ), lượng thông tin entropy (E), độ sắc nét ảnh kết hợp , , lần lượt là phương sai, (G) của ảnh được mô tả trong Bảng 1. trung bình của ảnh . Bảng 1. Bảng kết quả thực nghiệm Bước 8: Chuyển các kênh , H và S về miền RGB để thu được hình ảnh tổng hợp Chỉ số đánh giá được tăng cường. STT Ảnh E G 4. KẾT QUẢ THỰC NGHIỆM 0.2327 0.0697 5.1734 0.0465 1 Dữ liệu thực nghiệm gồm bộ ảnh A: 10 0.3169 0.0919 5.4360 0.0702 ảnh bao gồm 5 ảnh màu chụp cắt lớp phát xạ 0.2294 0.0691 5.0247 0.0457 (PET) và 5 ảnh cộng hưởng từ (MRI) đuợc 2 lấy từ thư viện ảnh của đại học Harvard: The 0.3152 0.0906 5.2683 0.0693 whole brain Atlas1. Các ảnh này có kích 0.2172 0.0689 4.7522 0.0399 thước 256x256. 3 0.3020 0.0887 4.9658 0.0598 0.1890 0.0651 4.2950 0.0379 4 0.2241 0.0830 4.4712 0.0686 0.1160 0.0412 3.4615 0.0308 5 0.1497 0.0604 3.5910 0.0640 Kết quả thực nghiệm (Bảng 1) cho thấy 4 chỉ số đánh giá cho kết quả tốt. Vì vậy, phương pháp đề xuất này giúp nâng cao chất lượng ảnh ở các khía cạnh như: nâng cao độ tương phản, giảm nhiễu và làm sắc nét đường biên ảnh. 5. TÀI LIỆU THAM KHẢO [1] Sawant SD, Mane S., 2014, Image fusion of CT/MRI using DWT, PCA methods and analog DSP processor. International Journal of Engineering Research and Applications. [2] J. Kennedy, R. Eberhart, 1995, Particle Hình 1. Các ảnh trước và sau tăng cường swarm optimization, IEEE International Conference on Neural Networks. 1 http://www.med.harvard.edu/AANLIB/cases/caseNA/pb9.htm 147
Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8 148

CÓ THỂ BẠN MUỐN DOWNLOAD

THÔNG TIN

TRỢ GIÚP

HỖ TRỢ KHÁCH HÀNG

Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.