Hỗ trợ chuẩn đoán tự động tổn thương xuất huyết /tụ máu dựa vào ảnh CT não

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
KHOA CÔNG NGHỆ THÔNG TIN
BỘ MÔN CÔNG NGHỆ TRI THỨC




Ngụy Đức Thuận





HỖ TRỢ CHẨN ĐOÁN TỰ ĐỘNG TỔN THƯƠNG
XUẤT HUYẾT/TỤ MÁU DỰA VÀO ẢNH CT NÃO





KHOÁ LUẬN CỬ NHÂN TIN HỌC





TP. HCM, NĂM 2005

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
KHOA CÔNG NGHỆ THÔNG TIN

BỘ MÔN CÔNG NGHỆ TRI THỨC


Ngụy Đức Thuận – 0112283


HỖ TRỢ CHẨN ĐOÁN TỰ ĐỘNG TỔN THƯƠNG
XUẤT HUYẾT/TỤ MÁU DỰA VÀO ẢNH CT NÃO


KHÓA LUẬN CỬ NHÂN TIN HỌC


GIÁO VIÊN HƯỚNG DẪN
TIẾN SĨ LÊ HOÀI BẮC



NIÊN KHÓA 2001-2005


Lời cảm ơn
Em xin gửi lời biết ơn chân thành nhất đến thầy Lê Hoài Bắc, người
đã tận tình dạy dỗ em trong suốt quá trình học, cho em nhiều lời động viên
cũng như những chỉ dẫn quý báu để em có thể thực hiện tốt được đề tài này.
Bên cạnh đó, em xin chân thành cảm ơn các thầy cô trong khoa Công
Nghệ Thông Tin đã hết lòng trong công tác giảng dạy, tận tình cung cấp
nhiều kiến thức cần thiết trong suốt những năm học tại trường.
Em cũng gửi lời cảm ơn sâu sắc đến bác sỹ Nguyễn Ngọc Diệp và các
cán bộ phòng Chẩn đoán hình ảnh bệnh viện Đa Khoa Đồng Tháp, đến anh

Lục Thành Vũ, cán bộ phòng Chẩn đoán hình ảnh bệnh viện Nguyễn Trãi
thành phố Hồ Chí Minh đã cung cấp cho em những kiến thức y khoa và dữ
liệu hình ảnh cần thiết để em thực hiện đề tài này.
Trong quá trình thực hiện đề tài, không thể không kể đến sự giúp đỡ,
đóng góp ý kiến và những lời động viên hết mình của bạn bè xung quanh,
điều này thật sự đã giúp cho tôi rất nhiều. Xin chân thành cám ơn các bạn.
Và cuối cùng, con xin gửi đến ba mẹ và em trai của anh lòng biết ơn
vô bờ bến. Công lao dưỡng dục của ba mẹ, niềm tin mãnh liệt vào con và
những đêm thức trắng nơi quê nhà vì lo lắng cho con của ba mẹ đã giúp con
vượt qua được những giờ phút khó khăn nhất, khắc phục được những trở
ngại lớn lao nhất để hoàn thành đề tài này.






Thành phố Hồ Chí Minh, ngày 13 tháng 7 năm 2005
Ngụy Đức Thuận

1

Mở đầu
Theo [13], chấn thương là nguyên nhân tử vong hàng đầu ở trẻ em và
người trẻ (dưới 44 tuổi), trong đó chấn thương vùng đầu chiếm trên 50% các
ca tử vong
, với di chứng nặng nề và chi phí y tế rất lớn.
Để chẩn đoán, theo dõi, tiên lượng chấn thương đầu thật nhanh chóng
và chính xác thì hình ảnh học ( gồm X quang, CT, MRI…) là dữ kiện cơ bản
và quan trọng. Trong số đó, CT là khảo sát hình ảnh được lựa chọn đầu tiên

và rất có giá trị trong đánh giá chấn thương sọ não, đặc biệt là chấn thương
sọ não cấp [13].
Việc đọc phim CT hiện nay chủ yếu là do các bác sĩ chuyên khoa
chẩn đoán hình ảnh thực hiện, với số ca mỗi ngày khá lớn. Với mỗi ca chấn
thương đầu, số lượng ảnh phải chụp tối thiểu là 20, và bác sĩ phải quan sát
qua tất cả các ảnh để tìm ra nhiều biểu hiện bất thường khác nhau. Từ những
lý do đó, nhận thấy nhu cầu cho một công cụ trợ giúp chẩn đoán tự động, hỗ
trợ các bác sĩ đưa ra những chẩn đoán chính xác và ít sai sót hơn. Điều này
cũng phù hợp với xu thế hiện này là áp dụng công nghệ thông tin vào mọi
lĩnh vực của đời sống, trong đó có lĩnh vực y khoa. Tuy vậy, cũng phải nhìn
nhận rằng đây là một vấn đề không hề dễ dàng, bởi vì bản thân các bác sĩ
chuyên khoa cũng gặp nhiều khó khăn khi phân tích hình ảnh của các ca
bệnh phức tạp. Vì vậy, mục tiêu của đề tài này chỉ mới dừng lại ở giai đoạn
khai phá, tìm hiểu và thử nghiệm xây dựng hệ thống cho một số loại tổn
thương tương đối đơn giản, cụ thể hơn là loại tổn thương xuất huyết và tụ
máu. Báo cáo gồm có 4 chương và 3 phụ lục:
• Chương 1: Giới thiệu chung – kiến thức tổng quan
Giới thiệu chung về đề tài.
• Chương 2: Cơ sở lý thuyết
Trình bày các vấn đề lý thuyết quan trọng.
• Chương 3: Xây dựng hệ thống

2

Mô tả cách xây dựng hệ thống và các cách áp dụng các vấn
đề lý thuyết đã nêu.
• Chương 4: Cài đặt, kết quả thử nghiệm
Cài đặt chương trình, sơ lược về cách sử dụng, các kết quả
thử nghiệm.
• Phụ lục A: Bệnh học

Sơ lược một số kiến thức y khoa về các tổn thương có liên
quan đến đề tài.
• Phụ lục B: Dữ liệu DICOM
Một số kiến thức về dữ liệu DICOM và xử lý tập tin
DICOM.
• Phụ lục C: Giải phẫu CT đơn giản
Giải phẫu các bộ phận của não dựa vào ảnh CT (ở mức độ
đơn giản).
















3

Mục lục
Lời cảm ơn ..................................................................................................................1
Mở đầu ........................................................................................................................2
Mục lục........................................................................................................................4

Danh mục hình ảnh .....................................................................................................6
Danh mục bảng biểu....................................................................................................7
Bảng kí hiệu các chữ viết tắt.......................................................................................8
Chương 1 : Giới thiệu – kiến thức tổng quan..............................................................9
1.1 Xác định vấn đề và động cơ thúc đẩy ..........................................................9
1.2 Một số kiến thức cơ bản .............................................................................10
1.2.1 Nguyên lý tạo hình:.............................................................................10
1.2.2 Tạo hình ..............................................................................................10
1.2.3 Trị số đậm độ ......................................................................................11
1.2.4 Thay đổi đậm độ .................................................................................12
1.2.5 Đặt cửa sổ (Window setting) ..............................................................13
1.2.6 Độ dày lát cắt và khoảng cách lát cắt..................................................13
1.2.7 Hình định vị ........................................................................................14
1.3 Hệ thống .....................................................................................................15
1.4 Tiêu chuẩn đánh giá độ chính xác..............................................................18
1.4.1 Độ nhạy (sensitivity)...........................................................................18
1.4.2 Độ đặc trưng (specificity) ...................................................................18
1.4.3 Tỉ lệ vùng bệnh được phân lớp đúng ..................................................18
1.4.4 Tỉ lệ vùng bình thường được phân lớp đúng ......................................19
Chương 2 : Cơ sở lý thuyết .......................................................................................20
2.1 Phân đoạn ảnh ............................................................................................20
2.2.1 Lọc ngưỡng .........................................................................................21
2.2.2 Phương pháp dựa vào biên..................................................................23
2.2.3 Phương pháp dựa trên vùng................................................................24
2.2.4 Phương pháp thống kê và Bayes.........................................................26
2.2.5 Phương pháp mạng nơ ron và logic mờ..............................................26
2.3 Làm mảnh biên...........................................................................................27
2.4 Biểu diễn đường biên .................................................................................29
2.4.1 Biểu diễn bằng chain -code.................................................................29
2.4.2 Biểu diễn bằng dòng quét (scanline)...................................................31

2.5 Các đặc trưng mô tả vùng (đường kính, chu vi, diện tích…).....................32
2.5.1 Diện tích và chu vi ..............................................................................32
2.5.2 Khoảng cách xuyên tâm (radial distance)...........................................33
2.5.3 Chiều dài trục chính và phụ ................................................................34
2.6 Cây quyết định............................................................................................35
2.6.1 Giới thiệu về cây quyết định...............................................................35
2.6.2 Thuật toán ID3 ....................................................................................38
2.7 Thông tin tương hỗ.....................................................................................43

4

2.8 Học dựa vào sự trình diễn ..........................................................................44
Chương 3 : Xây dựng hệ thống.................................................................................46
3.1 Phân đoạn đơn giản ....................................................................................46
3.2 Học dựa vào sự trình diễn ..........................................................................47
3.2.1 Hệ thống học.......................................................................................47
3.2.2 Đặc trưng vùng....................................................................................48
3.2.3 Phân lớp bằng thuật toán k-người láng giềng gần nhất ......................50
3.3 Dùng hệ luật để định vị vùng tổn thương...................................................51
3.3.1 Hệ luật đơn giản..................................................................................51
3.3.2 Hệ luật phức tạp ..................................................................................54
Chương 4 : Chương trình cài đặt – kết quả thử nghiệm............................................57
4.1 Chương trình cài đặt...................................................................................57
4.1.1 Công cụ sử dụng .................................................................................57
4.1.2 Cấu trúc dữ liệu học............................................................................57
4.1.3 Chương trình.......................................................................................57
4.2 Đánh giá kết quả.........................................................................................60
4.2.1 Độ hiệu quả của giai đoạn phân lớp....................................................60
4.2.2 Đánh giá công việc..............................................................................61
4.2.3 Hướng phát triển trong tương lai ........................................................62

Tài liệu tham khảo.....................................................................................................63
Phụ lục.......................................................................................................................65
A. Bệnh học.........................................................................................................65
A.1 Tụ máu dưới màng cứng (Subdural Hematoma/SDH)...........................65
A.2 Tụ máu ngoài màng cứng (Epidural Hematoma/EDH)..........................66
A.3 Xuất huyết khoang dưới nhện (subarachnoid hemorrhage) ...................68
A.4 Xuất huyết trong não thất (intraventricular hemorrhage).......................69
A.5 Tụ máu trong não (intracerebral hematoma)..........................................69
B. Dữ liệu DICOM .............................................................................................71
B.1 Giới thiệu ................................................................................................71
B.2 Cấu trúc chung của tập tin DICOM........................................................71
B.3 Một số thông tin cần thiết khi xử ảnh DICOM.......................................72
C. Giải phẫu CT đơn giản vùng trên lều.............................................................76












5

Danh mục hình ảnh
Hình 1-1: Hình định vị (topogram)..........................................................................15
Hình 1-2: Mô hình hệ thống.....................................................................................16

Hình 2-1: Ảnh độ xám với: (a) 1 ngưỡng phân đoạn và (b) 2 ngưỡng phân đoạn ..22
Hình 2-2: Mặt nạ Sobel............................................................................................23
Hình 2-3: Mặt nạ của toán tử Laplace......................................................................23
Hình 2-4: Ví dụ về thuật toán Region Growing.......................................................26
Hình 2-5: Lân cận 8 của điểm p
1
..............................................................................28
Hình 2-6: Chain code 4 hướng và 8 hướng..............................................................30
Hình 2-7: Ví dụ về biễu diễn đường biên bằng chain code lân cận 8......................30
Hình 2-8: Đường biên của một vùng và biểu diễn dòng quét của nó ......................31
Hình 2-9: Một số đặc trưng dùng để mô tả vùng.....................................................32
Hình 2-10: Trục chính và trục phụ hình ellipse. ......................................................35
Hình 2-11: Minh họa phương pháp của Hunt ..........................................................37
Hình 2-12: Một cây quyết định chọn nhiệt độ làm gốc ...........................................40
Hình 3-1: Ảnh CT qua bộ lọc thứ nhất, trong đó màu đỏ biểu diễn cho vùng bệnh48
Hình 3-2: Minh họa lát cắt đầu tiên vùng trên lều ...................................................53
Hình 3-3: Minh họa cách phân vùng các lát cắt giữa...............................................53
Hình 3-4: Hình minh họa lát cắt trên cùng (thùy đỉnh)............................................54
Hình 3-5: Ảnh phân vùng não với các tiêu chuẩn dừng khác nhau.........................56
Hình 4-1: Giao diện chính........................................................................................57
Hình 4-2: Màn hình học dựa vào sự trình diễn........................................................58
Hình 4-3: Chọn bệnh nhân .......................................................................................59
Hình 4-4: Dữ liệu về bệnh nhân đã được hiển thị. ..................................................59
Hình 4-5: Sau khi dò tìm vùng tổn thương ..............................................................60
Hình A-1: Tụ máu dưới màng cứng.........................................................................66
Hình A-2: Tụ máu ngoài màng cứng. ......................................................................67
Hình A-3: Xuất huyết khoang dưới nhện.................................................................68
Hình A-4: Xuất huyết trong não thất .......................................................................69
Hình A-5: Tụ máu trong não....................................................................................70
Hình C-1:Giải phẫu CT não đơn giản......................................................................76

Hình C-2: Giải phẫu CT não đơn giản.....................................................................77
Hình C-3: Giải phẫu CT não đơn giản.....................................................................78
Hình C-4: Giải phẫu CT não đơn giản.....................................................................79
Hình C-5: Giải phẫu CT não đơn giản.....................................................................80
Hình C-6: Giải phẫu CT não đơn giản.....................................................................81
Hình C-7: Giải phẫu CT não đơn giản.....................................................................82





6

Danh mục bảng biểu
Bảng 1-1: Trị số đậm độ của các cấu trúc nội sọ......................................................11
Bảng 2-1: Dữ liệu minh họa cho cây quyết định ......................................................37
Bảng 2-2: Thông tin phân bố thuộc tính quang cảnh................................................38
Bảng 2-3: Thông tin phân bố lớp của thuộc tính Độ ẩm...........................................39
Bảng 4-1: Độ chính xác của bộ phân lớp..................................................................61
Bảng A-1: Phân biệt tụ máu dưới màng cứng và ngoài màng cứng.........................68
Bảng B-2: Một số thẻ quan trọng..............................................................................73
Bảng B-3: Một số thẻ quan trọng..............................................................................74
Bảng B-4: Một số thẻ quan trọng..............................................................................74

7

Bảng kí hiệu các chữ viết tắt
DICOM
Digital Imaging and Communications in Medicine

CT Computed Tomography
kNN k nearest neighbour

8

Chương 1 : Giới thiệu – kiến thức tổng quan
1.1 Xác định vấn đề và động cơ thúc đẩy
Năm 1972 G.N Hounsfield giới thiệu phương pháp chụp cắt lớp điện

toán (Computed Tomography Scanner – CT). Đây là kỹ thuật không xâm
lấn cho phép đánh giá tốt về bệnh lý hệ thần kinh trung ươn. Sự ra đời của
CT được xem là cuộc cách mạng trong chuẩn đoán hình ảnh. Đặc biệt, trong
bệnh lý chấn thương sọ não, CT chẩn đoán tốt các tổn thương nội sọ (tụ máu,
dập não, phù não…), chi tiết xương, khảo sát được các trường hợp bệnh nhân
cấp cứu (không nằm yên, mang trợ cụ hô hấp, tuần hoàn…) và có giá thành
rẻ. CT giúp đánh giá, theo dõi, tiên lượng, lập kế hoạch điều trị thích hợp cho
từng bệnh nhân.
Theo [13], có một số đặc điểm đáng lưu ý về chấn thương sọ não như
sau:
i. Chấn th
ương là nguyên nhân tử vong hàng đầu ở trẻ
em và người trẻ (dưới 44 tuổi), trong đó chấn thương
vùng đầu chiếm trên 50% các ca tử vong
.
ii. Để lại di chứng nặng nề.
iii. Chi phí y tế lớn (83.5 tỉ dollars/năm hay 228 triệu
dollars/ngày ở Mỹ).
Để chẩn đoán, theo dõi, tiên lượng chấn thương đầu thật nhanh chóng
và chính xác thì hình ảnh học ( gồm X quang, CT, MRI…) là dữ kiện cơ bản
và quan trọng. Trong số đó, CT là khảo sát hình ảnh được lựa chọn đầu tiên
và rất có giá trị trong đánh giá chấn thương sọ não, đặc biệt là chấn thương
sọ não cấp [13].
Việc đọc phim CT hiện nay chủ yếu là do các bác sĩ chuyên khoa
chẩn đoán hình ảnh thực hiện, với số ca mỗi ngày khá lớn. Với mỗi ca chấn
thương đầu, số lượng ảnh phải chụp tối thiểu là 20, và bác sĩ phải quan sát
qua tất cả các ảnh để tìm ra nhiều biểu hiện bất thường khác nhau. Từ những

9

lý do đó, nhận thấy nhu cầu cho một công cụ trợ giúp chẩn đoán tự động, hỗ
trợ các bác sĩ đưa ra những chẩn đoán chính xác và ít sai sót hơn.
1.2 Một số kiến thức cơ bản
1.2.1 Nguyên lý tạo hình
CT dùng một chùm tia X với độ dày nhất định, quét qua lát cắt ngang
của vật thể, theo nhiều huớng khác nhau. Lượng tia X sau khi đi qua vật thể
được đo bằng các đầu dò (detectors). Dữ liệu thu nhận từ các đầu dò này sẽ
được máy tính xử lý và tạo hình.
1.2.2 Tạo hình
Các lát cắt ngang qua vùng cơ thể khảo sát, được phân thành nhiều khối
(block) nhỏ. Các khối riêng lẽ này gọi là các phần tử thể tích (voxel). Thành
phần độ dày của phần tử thể tích cùng với tính chất chùm tia X sẽ xác định
mức độ hấp thu tia X của các phần tử thể tích này (hình 1-1).
Các dữ liệu số về sự hấp thu tia X của các phần tử thể tích được máy
tính chuyển thành các độ xám khác nhau của các phần tử hình hay điểm ảnh
(pixel) tương ứng trên hình CT.

Hình 1-1: Phần tử thể tích (voxel)



10

1.2.3 Trị số đậm độ
Mỗi phần tử thể tích có trị số tương ứng với mức độ hấp thu tia của mô
và được biẻu thị bằng các độ xám khác nhau trên hình.Trị số mức độ hấp thu
tia X biểu thị bằng đơn vị Hounsfield (HU).
Theo qui ước của máy, các đậm độ cơ bản là:
Đậm độ của nước: 0 HU
Đậm độ của khí: -1000 HU

Đậm độ của xương: +1000 HU
Đậm độ của mỡ: -1000 HU
Các trị số đậm độ của các mô, dịch khác trong cơ thể sẽ được tính
theo tương ứng với các trị số trên.
Các cấu trúc vật chất hấp thụ tia X càng nhiều thì có độ Hounsfield
càng cao, trên hình có màu càng trắng và ngược lại. Ví dụ: xương, máu tụ có
màu trắng do hấp thụ tia X nhiều; ngược lại khí, mỡ, dịch não tuỷ có màu
đen. Điều này giống như các đậm độ trên hình X quang thông thường.

Cấu trúc Trí số giới hạn(HU)
Đóng vôi, xương 80-250
Xuất huyết, tụ máu 55-75
Chất xám 35-45
Chất trắng 20-30
Phù nề 10-20
Dịch não tuỷ 0-10
Nước 0
Mỡ <0-(-100)
Khí (-100)-(-1000)
Bảng 1-1: Trị số đậm độ của các cấu trúc nội sọ


11

1.2.4 Thay đổi đậm độ
Thay đổi đậm độ biểu hiện sự khác biệt tương đối về đậm độ của vùng
chúng ta lưu ý với cấu trúc bình thường. Các từ diễn tả đậm độ khi mô tả:
- Giảm đậm độ (Hypodense)
- Đồng đậm độ (Isodense)
- Tăng đậm độ (Hyperdense)

Các từ giảm, đồng và tăng đậm độ sẽ tương ứng với các vùng có màu
đen hơn, ngang bằng và trắng hơn so với vùng được so sánh
Ví dụ:
- Xuất huyết trong não có đậm độ cao
- Vùng phù có đậm độ thấp
- Tụ máu dưới màng cứng bán cấp đồng đậm độ với chất xám…
Các hình tăng đậm độ trên CT sọ não có thể là các đóng vôi bình
thường (như màng cứng,tuyến tùng,đám rối mạch mạc…) hoặc các đóng vôi
bất thường (trong u, tổn thương cũ…),
xuất huyết, các cấu trúc protein cao,
hoặc mật độ tế bào cao (một số u não).
Các hình giảm đậm độ thường gặp trên CT sọ não bình thường (như
dịch não tuỷ, mỡ hốc mắt, khí trong xoang) hoặc bất thường (như
phù não,
dịch trong các nang, mỡ trong u, khí nội sọ trong chấn thương).
Cũng cần lưu ý rằng khối máu tụ cấp tính ở bệnh nhân chấn thương sọ
não thuờng có đậm độ cao hơn nhu mô não. Đậm độ khối máu tụ liên quan với
nồng độ hemoglobin, hematocrit, protein máu, tình trạng đông máu. Trong một
số trường hợp, do có sự thay đổi các yếu tố trên (hematocrit, protein thấp…),
khối máu tụ cấp có thể có đậm độ ngang với nhu mô não.
Theo thời gian, khối máu não sẽ giảm đậm độ dần, trung bình
1.5HU/ngày. Do đó, máu tụ bán cấp hay mãn tính sẽ đồng hay giảm đậm độ so
với nhu mô não.


12

1.2.5 Đặt cửa sổ (Window setting)
Trị số đậm độ của các mô khác nhau trong cơ thể thay đổi từ -
1000HU đến +1000HU, các trị số này được biểu hiện trên hình bằng các độ

xám khác nhau. Tuy nhiên mắt thường của chúng ta không thể phân biệt được
khác biệt tất cả các độ xám này, để phân biệt, phải thay đổi cửa sổ, nhằm tạo
tương phản giúp mắt thường nhận biết được. Có hai thông số đặt cửa sổ là độ
rộng cửa sổ(window width) và trung tâm cửa sổ (window level/centre).Viết tắt
trên phim là:W/L hay W/C
Độ rộng cửa sổ: là khoảng độ Hounsfield mà ta muốn xem. Các cấu trúc
có độ đậm phía trên giới hạn này sẽ có màu trắng, dưới giới hạn này sẽ có màu
đen.
Trung tâm cửa sổ: Là điểm giữa của độ rộng cửa sổ, có độ Hounsfield
thường gần bằng với cấu trúc mà ta quan sát.
Ví dụ: Để khảo sát sọ não chúng ta có thể đặt 2 cửa sổ:
1.Cửa sổ nhu mô: Độ rộng cửa sổ 140 HU (từ -200 HU đến +110HU),
trung tâm cửa sổ 40HU, giúp ta phân biệt được cấu trúc nội sọ như chất xám,
chất trắng, dịch não tuỷ, mạch máu.
2.Cửa sổ xương: Độ rộng cửa sổ 1200HU (từ -200 HU đến +1000 HU),
trung tâm cửa sồ là +400HU. Với cửa sổ này,ta không phân biệt đựoc chất
trắng chất xám hay dịch não tuỷ mà chỉ phân biệt được giữa xương, khí, mô
mềm.
Chúng ta có thể thay đổi cửa sổ hẹp hoặc rộng hơn để phân biệt rõ các
khác biệt đậm độ. Ví dụ khi khảo sát tụ máu dưới màng cứng lớp mỏng, sát
bản sọ, đồng đậm độ vỏ nảo…..
1.2.6 Độ dày lát cắt và khoảng cách lát cắt
Độ dày lát cắt: là độ dày của lát cắt khảo sát (tương ứng với độ mở của
bộ chuẩn trực/colimator ở đầu đèn).

13

Khoảng cách lát cắt: Là khoảng cách giữa các lát cắt (tương ứng với
khoảng di chuyển của bàn bệnh nhân).
Độ dày lát cắt thường được thể hiện trực tiếp ở các thông số trên hình.

Còn khoảng cách các lát cắt cũng được thể hiện trên hình
Từ hai khái niệm này, kỹ thuật khảo sát CT sẽ có các kiểu cắt như sau:
- Cắt liên tục (continuity) khi độ dày lát cắt bằng khoảng cách
lát cắt.
- Cắt chồng (overlap) khi độ dày lát cắt lớn hơn khoảng cách
lát cắt.
- Cắt hở (gap) khi độ dày lát cắt nhỏ hơn khoảng cách lát cắt.
Trong bệnh lý chấn thương sọ não, thường khảo sát bằng các lát cắt liên
tục, từ lỗ chẩm lên đến vòm sọ.
1.2.7 Hình định vị
Hình định vị (topogram, scout view) [hình 1-1] là hình dùng để xác
định các vị trí lát cắt. Ở hình định vị có các đường được đánh số và đặt chồng
lên vùng cơ thể khảo sát. Các số được đánh dấu cúa các đường này sẽ tương
ứng với các số của các hình hay lát cắt trình bày trên phim CT.
Ta có thể dùng hình định vị để quan sát nhanh các lát cắt nào cần xem
trên phim CT. Hoặc ngược lại, xác định bất thường trên lát cắt CT nằm ở vị trí
nào trên hình định vị
Ví dụ: Ta chỉ muốn quan sát tổn thương ở vùng đỉnh. Ta thấy trên hình
định vị, ở vùng đỉnh, có các đường số đánh số 10,11,12; như vậy, ta chỉ cần
xem các hình 10,11,12 trên phim CT.

14


Hình 1-1: Hình định vị (topogram)
1.3 Hệ thống
Trước hết, phải nhận xét rằng phân tích các chấn thương sọ não cấp
trong ảnh CT một cách tự động là một vấn đề không hề dễ dàng. Hầu hết các
nghiên cứu trong lĩnh vực này tập trung phần lớn vào việc phân đoạn ảnh để
phục vụ cho bài toán xây dựng mô hình 3-D của não. Qua tìm kiếm trên các tạp

chí chuyên về khoa học máy tính, em không tìm đ
ược một mô hình khả dĩ cho
vấn đề này. Chính vì vậy, mục tiêu xác định cho đề tài này chỉ nằm ở mức xây
dựng thử nghiệm một hệ thống dùng để chẩn đoán những chấn th
ương dễ phát
hiện, với những giới hạn sau:
i. Chỉ khảo sát ở những ảnh chụp nằm ở vùng trên lều (do các
lát cắt ở vùng d
ưới lều có thành phần khá phức tạp).
ii. Khảo sát tổn thương nội sọ, chủ yếu tập trung vào tổn thương
xuất huyết, tụ máu.
iii. Chọn lựa những hình ảnh đạt chất lượng tốt (không bị xảo
ảnh).
Các kết quả được nhắm tới gồm có:

15

i. Phát hiện chính xác vùng tổn thương (không sót, không phát
hiện lầm).
ii. Xác định các thông số định lượng về vùng tổn thương đó.
iii. Xác định vị trí vùng tổn thương trong não (ví dụ như thuộc
vùng đỉnh, chẩm, thái dương…)
iv. Kết quả: đưa ra mô tả hình ảnh về vùng tổn thương.
Với dữ liệu đầu vào là ảnh CT lưu dưới định dạng DICOM, mô hình hệ
thống như sau:


Hình 1-2: Mô hình hệ thống

Giai đoạn tiền xử lý bao gồm các công việc như: đọc thông tin về bệnh

nhân, thông tin về các lát cắt được chụp (độ dày, kích thước, vị trí…), lọc ra
biên của sọ dùng làm mốc định vị cho các module sau, chuyển dữ liệu ảnh
Hounsfield (xem phụ lục) thành ảnh độ xám…

16

Sau khi rút ra được các thông tin cần thiết, ta sẽ tiến hành bước khảo sát,
phân tích ảnh. Trước tiên, các lát cắt sẽ được cho qua bộ lọc đơn giản. Nhiệm
vụ của bộ lọc này là tìm ra những vùng có độ đo Hounsfield nằm trong
ngưỡng của tổn thương đang được dò tìm (các ngưỡng này được xác định
dựa vào tri thức của các chuyên gia, vốn được nêu ra trong tất cả các tài liệu
về chẩn đoán hình ảnh CT). Mục tiêu ưu tiên của bước này là không sót, tức
là có thể có nhiều vùng bị xác định nhầm. Như ta sẽ thấy, do bị ảnh hưởng
của hiệu ứng thể tích từng phần, những vùng như vậy là khá nhiều.
Nhiệm vụ của module tiếp theo chính là để loại ra những vùng bị phát
hiện nhầm đó. Ở đây ta sử dụng thuật toán k-người láng giềng gần nhất để
tạo bộ phân lớp. Vấn đề quan trọng nhất để xây dựng bộ phân lớp là phải có
dữ liệu học, mà hiện nay chưa có một bộ dữ liệu học nào được tạo ra cho
mục đích này (hầu hết các nghiên cứu đều sử dụng dữ liệu tự tạo, với kích
thước khá nhỏ hoặc dùng các bộ giả lập để tạo dữ liệu ảo). Hơn nữa, dữ liệu
học có sẵn thường thiếu những thông tin cần thiết trong khi lại thừa những
thông tin không cần thiết. Để giải quyết vấn đề này, ta sẽ sử dụng phương
pháp học bằng sự trình diễn: xây dựng một công cụ giao tiếp trực tiếp với
chuyên gia để tạo dữ liệu học. Kết quả của bộ lọc thứ nhất sẽ được hiển thị,
và các chuyên gia (bác sĩ chẩn đoán hình ảnh), bằng tri thức và kinh nghiệm
của mình, sẽ quyết định xem vùng nào sẽ bị loại bỏ và vùng nào sẽ được giữ
lại. Thông tin về các vùng đó sẽ được lưu lại để làm dữ liệu học cho bộ phân
lớp. Có thể xem đây là một áp dụng của phương pháp học dựa vào sự trình
diễn vào lĩnh vực xử lý ảnh.
Sau khi loại bỏ các vùng bị nhận dạng nhầm, ta sẽ tiến hành đo các

thông tin định tính về vùng đó, sau đó sử dụng hệ luật để định vị vùng tổn
thương đó trong não. Do vấn đề thời gian nghiên cứu, hệ luật này chỉ mới
được xây dựng ở mức độ đơn giản, dựa vào các quan sát trên hình ảnh và
tiêu bản não. Bên cạnh đó, ý tưởng về một hệ thống xây dựng dữ liệu học chi
tiết hơn cho vấn đề định vị cũng được đề xuất.

17

Cuối cùng, dựa vào các thông tin trên, hệ thống sẽ tổng hợp, đưa ra mô
tả hình ảnh về tổn thương (vị trí, kích thước, biểu hiện hình ảnh…) và kết
luận bệnh.
1.4 Tiêu chuẩn đánh giá độ chính xác
Ta sẽ dùng một số tiêu chuẩn để đánh giá độ chính xác của giai đoạn
phát hiện vùng bệnh, cụ thể hơn là ở bộ phân lớp dùng thuật toán k-người
láng giềng gần nhất . Đối với bước định vị vùng tổn thương, do không có
những độ đo định lượng thích hợp nên ta sẽ chỉ đưa ra một số nhận xét chung.
Gọi:
TP là số vùng bệnh được phân lớp đúng.
FP là số vùng bình thường bị xác định sai là có bệnh.
TN là số vùng bình thường được phân lớp đúng.
FN là số vùng bệnh bị xác định sai là không có bệnh.
Ta xét các độ đo sau:
1.4.1 Độ nhạy (sensitivity)
Độ nhạy cho ta biết xác suất phát hiện đúng vùng bị tổn thương thật sự:
FNTP
TP
ySensitivit
+
=
%100*

1.4.2 Độ đặc trưng (specificity)
Độ đặc trưng cho biết xác suất phân lớp đúng các vùng không bị tổn
thương.
FPTN
TN
ySpecificit
+
=
%100*

1.4.3 Tỉ lệ vùng bệnh được phân lớp đúng
Đại lượng này cho ta biết tỉ lệ vùng bệnh thật sự trong số những vùng
được xác định bởi hệ thống.

18

FPTP
TP
PP
+
=
%100*
%

1.4.4 Tỉ lệ vùng bình thường được phân lớp đúng
Đại lượng này cho ta biết tỉ lệ vùng không bị tổn thương thật sự trong
số những vùng đã được bộ phân lớp kNN loại bỏ.
FNTN
TN

NP
+
=
%100*
%
























19

Chương 2 : Cơ sở lý thuyết
2.1 Phân đoạn ảnh
Theo [4, 14], phân đoạn thường là công đoạn đầu tiên được thực hiện
trong xử lý ảnh. Mục đích của phân đoạn là để dò ra và xác định những vùng
nào của ảnh cần được nhóm chung với nhau theo một tiêu chuẩn nào đó. Ảnh
sau khi phân đoạn cần thỏa mãn yêu cầu sau: các phân đoạn rời nhau, mỗi
vùng mang tính đồng nhất (theo tiêu chuẩn phân đoạn) và hợp của bất kì 2
phân đoạn liền kề nhau nào cũng sẽ phá vỡ tính đồng nhất của chúng. Mức
độ phân đoạn phụ thuộc vào vấn đề đang giải quyết, và thường kết thúc khi
đối tượng cần quan tâm đã được cô lập. Nói chung, phân đoạn ảnh một cách
tự động là một trong những công việc khó khăn nhất trong xử lý ảnh, quyết
định đến sự thành công hay thất bại của toàn bộ công việc phân tích ảnh.
Cách tiếp cận thường thấy nhất là lựa chọn một bộ lọc sao cho có thể làm nổi
bật lên các đối tượng cần quan tâm đồng thời loại bỏ những thành phần
không liên quan.
Cho đến nay, mặc cho rất nhiều thuật toán đã được đề xuất nhưng
phân đoạn vẫn còn là một vấn đề thu hút nhiều qua tâm nghiên cứu. Nhiều
khảo sát trước đây đã cho thấy rằng không có một phương pháp nào có thể
hoạt động tốt cho mọi ứng dụng. Vì đối tượng được quan tâm ở đây là ảnh
CT nên chúng tôi sẽ hạn chế tìm hiểu, trình bày những phương pháp phân
đoạn đã được phát triển cho riêng ảnh độ xám. Fu và Mui [4] đã phân các
thuật toán này thành 3 nhóm:
1. Các phương pháp dựa trên ngưỡng (threshold-based).
2. Các phương pháp dựa trên biên (edge-based).
3. Các phương pháp dựa trên vùng (region-based).
thêm vào đó là 2 phương pháp khác cũng thường được sử dụng:
4. Phương pháp thống kê và Bayes.
5. Phương pháp dựa trên mạng nơ ron và logic mờ.

20

2.2.1 Lọc ngưỡng
Lọc ngưỡng là một trong những cách tiếp cận đơn giản, quen thuộc và
quan trọng nhất trong việc phân đoạn ảnh. Phương pháp này có thể được
thực hiện dựa vào những thông tin toàn cục như histogram hoặc thông tin
cục bộ như ma trận đồng hiện. Nếu một giá trị ngưỡng được áp dụng cho
toàn bộ tấm ảnh thì ngưỡng đó được gọi là ngưỡng toàn cục. Ngược lại,
trong trường hợp giá trị ngưỡng được xác định riêng cho mỗi vùng con, ta có
ngưỡng cục bộ (hay ngưỡng thích nghi). Các phương pháp lọc ngưỡng còn
có thể được phân thành 2 nhóm: nhóm đơn ngưỡng và nhóm đa ngưỡng.
Phương pháp đơn ngưỡng có tác dụng phân chia bức ảnh thành 2 vùng: đối
tượng cần quan tâm và nền (background). Cũng vì lí do này mà phương pháp
đơn ngưỡng có thể được xem là một dạng của phương pháp phân lớp 2 lớp.
Cơ sở của phương pháp phân đoạn dựa trên ngưỡng như sau: khi một
ảnh độ xám bao gồm nhiều vùng phân biệt, histogram của nó thường sẽ có
nhiều đỉnh phân biệt nhau, mỗi đỉnh ứng với một vùng và giữa 2 đỉnh liền kề
nhau thường là một “thung lũng” sâu. Đáy của thung lũng này có thể được
chọn để làm ngưỡng phân biệt giữa 2 vùng kề nó.
Xét ảnh có histogram như trong hình 2.1, trong đó ta kí hiệu f(x,y) là
độ xám của điểm (x,y). Có thể hình dung (a) là ảnh gồm một đối tượng sáng
trên nền tối, và do đó histogram sẽ bao gồm 2 đỉnh rõ rệt. Rõ ràng là ta có thể
tách đối tượng ra khỏi nền bằng cách chọn một ngưỡng T sao cho chia cách
được 2 đỉnh này. Khi đó, mọi điểm f(x,y) nhỏ hơn T sẽ được xem là nền,
trong khi những điểm có độ xám lớn hơn T sẽ được cho là thuộc về đối
tượng. Hình 2-1(b) cho ta một trường hợp phức tạp hơn: histogram gồm có 3
đỉnh (chẳng hạn như 2 đối tượng sáng trên một nền màu tối). Tương tự như
trên, ta có thể chọn 2 ngưỡng T
1
và T

2
để phân biệt 2 đối tượng trên và nền.
Mặc dù vậy, phương pháp đa ngưỡng này kém tin cậy hơn so với trường hợp
đơn ngưỡng. Lí do là vì ta rất khó xác lập được nhiều ngưỡng sao cho chúng

21

có thể cô lập thật hiệu quả tất cả các vùng cần quan tâm, đặc biệt là khi số
lượng các đỉnh trong histogram tương ứng khá nhiều.

Hình 2-1: Ảnh độ xám với: (a) 1 ngưỡng phân đoạn và (b) 2 ngưỡng phân đoạn

Về mặt hình thức, phép lọc ngưỡng có thể được xem như là một phép
thử của hàm T có dạng:
T = T[x, y, p(x,y), f(x,y)]
trong đó f(x,y) là độ xám của điểm (x,y), p(x,y) tượng trưng cho một đặc
điểm cục bộ nào đó của điểm (x,y), ví dụ như trung bình độ xám của 4 điểm
xung quanh (x,y) (lân cận 4 của (x,y)). Kết quả của phép lọc ngưỡng là một
ảnh g(x,y) thỏa:
⎩
⎨
⎧
≤
>
=
Tyxfif
Tyxfif
yxg
),(0
),(1

),(

trong đó 1 tượng trưng cho một giá trị độ xám nào đó mà ta muốn gán cho
đối tượng, và 0 ứng với độ xám gán cho nền.
Khi T chỉ phụ thuộc vào f(x,y), ta có ngưỡng toàn cục (hình 2-1 (a)).
Nếu T phụ thuộc vào cả f(x,y) và p(x,y), ta có ngưỡng cục bộ. Thêm nữa,
nếu T phụ thuộc vào tọa độ của x và y, ta có ngưỡng động.

22

2.2.2 Phương pháp dựa vào biên
Phương pháp phân đoạn dựa vào biên giả định rằng tại các biên vùng
sẽ xảy ra sự thay đổi đột ngột của độ xám. Nhiều phương pháp đã được đề
xuất nhằm tìm ra các biên trong ảnh. Một trong những phương pháp quen
thuộc nhất là sử dụng toán tử gradient (tương ứng với mặt nạ Sobel như
trong hình 2-2), hoặc toán tử Laplace (tương ứng với mặt nạ trong hình 2-3).

Hình 2-2: Mặt nạ Sobel

Hình 2-3: Mặt nạ của toán tử Laplace
Kĩ thuật phân đoạn dựa vào biên không cho được kết quả tốt như
mong đợi, lý do là vì thao tác tìm biên thường liên quan đến các phép toán vi
phân (như 2 toán tử Gradient và Laplace đã nói ở trên), vốn rất nhạy cảm đối
với nhiễu. Như vậy, cách tiếp cận dựa trên đường biên không phải sự lựa
chọn tốt cho bài toán phân đoạn ảnh.

23