Luận văn Xây dựng cơ sở dữ liệu phục vụ quá trình xử lý ảnh X quang vú trên máy tính

BỘ GIÁO DỤC VÀ ðÀO TẠO TRƯỜNG ðẠI HỌC BÁCH KHOA HÀ NỘI --------------------------------------- N G U Y ỄN TH U V N LUẬN VĂN THẠC SỸ KHOA HỌC NGÀNH: XỬ LÝ THƠNG TIN VÀ TRUYỀN THƠNG XÂY DỰNG CƠ SỞ DỮ LIỆU PHỤC VỤ QUÁ TRÌNH XỬ LÝ ẢNH X QUANG VÚ TRÊN MÁY TÍNH xỬ LÝ THƠ N G TIN NGUYỄN THU VÂN 2005 - 2007 Hà Nội 2007 Hµ Néi 2007 1 LỜI CẢM ƠN Em xin gửi lời cảm ơn sâu sắc nhất đến TS.Nguyễn Tiến Dũng, người đã hướng dẫn em thực hiện luận văn này. Chính những chỉ bảo tận tình về mặt chuyên mơn, cùng sự kiên nhẫn và những lời khuyên, những lời động viên kịp thời của thầy đã giúp đỡ em rất nhiều từ khi bắt đầu cho tới khi em hồn thành luận văn. Em cũng xin gửi lời cảm ơn chân thành đến PSG.TS.Nguyễn ðức Thuận và ThS.Nguyễn Thái Hà đã giúp đỡ em về mặt chuyên mơn, cũng như tạo điều kiện thuận lợi về mặt thời gian trong suốt quá trình em thực hiện luận văn. Tơi xin gửi lời cảm ơn đến PGS.TS Nguyễn Trọng Giảng, các bạn ðặng Hồng Thanh, Nguyễn Xuân Trường, Nguyễn Việt Hồng và Vũ Văn Quý đã giúp đỡ tơi rất nhiều khi tơi viết quyển luận văn này. Cuối cùng, tơi xin gửi lời cảm ơn chân thành đến gia đình tơi, nơi luơn là điểm tựa vững chắc cho tơi trong suốt quá trình học tập và cơng tác của mình. 2 LỜI NĨI ðẦU Ung thư vú là một căn bệnh rất phổ biến ở nữ giới. Phát hiện sớm ung thư là nhân tố chính trong khả năng sống sĩt của bệnh nhân. Cho đến nay, phương pháp hiệu quả nhất để phát hiện sớm dấu hiệu ung thư là chụp ảnh X quang vú [1]. Hiện nay, trong quá trình quét và đọc ảnh X quang vú, các bác sĩ được hỗ trợ rất nhiều từ hệ thống máy tính. Các thuật tốn trên máy tính giúp nâng cao chất lượng ảnh X quang vú, đưa ra các vùng nghi ngờ cĩ bệnh. Ngồi ra, quá trình đọc kỹ một bức ảnh X quang gọi là quá trình kiểm tra ảnh. Một hệ thống máy tính thực hiện kiểm tra ảnh X quang vú sẽ bao gồm các thành phần thực hiện các cơng việc như phân vùng ảnh, phát hiện và phân loại khối u, phát hiện và phân lại các khối vi canxi hố. Luận văn này nghiên cứu và trình bày về một thuật tốn thực hiện phân vùng các ảnh X quang và định vị khối u trên ảnh. Thuật tốn phân vùng ảnh sử dụng tốn tử dựa trên lược đồ xám của ảnh để xác định ranh giới giữa các thành phần khác nhau trên ảnh. Nĩ sử dụng thuật tốn nhĩm điểm ảnh để đưa ra các tập hợp điểm ảnh biểu diễn các vùng khác nhau trên ảnh. Thuật tốn định vị khối u sử dụng mức độ thay đổi của đối sánh mẫu để định vị các vùng nghi cĩ bệnh. Cuối cùng, một cơ sở dữ liệu ảnh X quang vú đã được chẩn đốn và kiểm nghiệm kết quả bằng thực tế được xây dựng. ðĩ là cơ sở dữ liệu chuẩn bao gồm các ảnh được dùng làm mẫu, các mẫu này được sử dụng trong quá trình đọc các ảnh X quang vú tại bệnh viện K, Hà Nội. 3 MỤC LỤC Chương 1 - GIỚI THIỆU CHUNG ..........................................................................5 1.1 Mục đích của luận văn....................................................................................5 1.2 Cấu trúc của luận văn .....................................................................................7 Chương 2 - BỆNH UNG THƯ VÚ..........................................................................8 2.1 Giải phẫu vú...................................................................................................8 2.1.1 Cấu trúc giải phẫu....................................................................................8 2.1.2 Kích thước, hình dạng và thay đổi theo thời gian của vú........................10 2.1.3 Vị trí của vú...........................................................................................12 2.2 Ung thư vú ...................................................................................................13 2.2.1 Ung thư vú là gì? ...................................................................................13 2.2.2 Nút bạch huyết.......................................................................................15 2.2.3 Nguyên nhân của ung thư ......................................................................18 2.2.4 Các giai đoạn của ung thư vú .................................................................21 2.3 Tạo ảnh bằng tia X .......................................................................................22 2.3.1 Tạo ảnh X quang vú – Mammography ...................................................23 2.3.2 Các kiểu bất thường mà X quang vú chẩn đốn cĩ thể phát hiện............29 2.3.3 Nền ảnh X quang vú ..............................................................................35 2.3.4 ðọc phim X quang vú............................................................................36 Chương 3 - XỬ LÝ ẢNH SỐ ................................................................................38 3.1 Ảnh số..........................................................................................................38 3.2 Mơ hình xác suất thống kê............................................................................39 3.2.1 Lược đồ xám..........................................................................................39 3.2.2 Giá trị trung bình (Mean) .......................................................................42 3.2.3 ðộ lệch chuẩn........................................................................................42 3.2.4 ðối xứng lệch (skewness) ......................................................................43 3.3 Cải thiện ảnh ................................................................................................43 3.3.1 Các phép tốn với lược đồ xám..............................................................43 3.3.2 Lọc và tích chập.....................................................................................46 3.3.3 Làm trơn ảnh .........................................................................................47 3.3.4 Làm sắc nét ảnh .....................................................................................48 3.4 Phân vùng ảnh..............................................................................................50 3.4.1 Phân vùng ảnh dựa trên đường biên .......................................................50 3.4.2 Phân vùng ảnh dựa theo vùng ................................................................51 Chương 4 - PHÂN VÙNG NHŨ ẢNH ..................................................................53 4.1 Tầm quan trọng của phân vùng ảnh đúng cách .............................................53 4.2 Thuật tốn phân vùng ảnh ............................................................................54 4.2.1 Phân vùng dựa trên lược đồ xám............................................................56 4.2.2 Phương pháp chênh lệch lược đồ xám....................................................56 4.2.3 Tìm ranh giới giữa các thành phần.........................................................63 4.2.4 Thêm bối cảnh khơng gian.....................................................................67 4.2.5 Phân vùng các ảnh X quang vú đặc........................................................71 4 4.3 Tổng kết về quá trình phân vùng ..................................................................73 Chương 5 - PHÁT HIỆN CÁC KHỐI U TRÊN ẢNH X QUANG VÚ ..................74 5.1 Thuật tốn định vị khối u trong ảnh X quang vú số hĩa................................74 5.2 Thuật tốn phát hiện khối u ..........................................................................75 5.2.1 Một mẫu cho các khối u trong ảnh X quang vú ......................................75 5.2.2 Các phương pháp đối sánh mẫu .............................................................79 5.2.3 Nhĩm và phân vùng các vùng nghi ngờ .................................................84 5.2.4 Cải thiện đa tỷ lệ ....................................................................................85 5.3 Tổng kết về định vị khối u............................................................................87 Chương 6 - HỆ THỐNG KIỂM TRA THUẬT TỐN QUÉT ...............................88 6.1 Các kết quả lọc ảnh ......................................................................................88 6.2 Nhĩm các nhĩm pixel...................................................................................89 Chương 7 - KẾT LUẬN ...................................................................................... 100 7.1 Tổng kết ..................................................................................................... 100 7.2 Phương hướng trong tương lai.................................................................... 100 5 Chương 1 - GIỚI THIỆU CHUNG 1.1 Mục đích của luận văn Ung thư vú là loại ung thư thường gặp nhất và gây tử vong hàng đầu ở phụ nữ nhiều nước cơng nghiệp. Theo Cơ quan Nghiên cứu Ung thư Thế giới (IARC) vào năm 1998 thì ung thư vú đứng đầu, chiếm 21% trong tổng số các loại ung thư ở phụ nữ trên tồn thế giới. Cũng theo IARC, xuất độ chuẩn hĩa theo tuổi của ung thư vú ở phụ nữ là 92.04 (trên 100,000 dân) ở châu Âu và 67.48 (trên 100,000 dân) trên tồn thế giới vào năm 1998, đều là cao nhất trong các loại ung thư ở nữ giới [3]. Ung thư vú đang trở nên phổ biến tại các nước đang phát triển. Tại Việt Nam, năm 1998, ở nữ giới, ung thư vú là loại ung thư cĩ tần suất cao nhất ở Hà Nội với xuất độ chuẩn hĩa theo tuổi là 20.3 (trên 100,000 dân) và cao thứ hai ở Thành phố Hồ Chí Minh với xuất độ chuẩn hĩa theo tuổi là 16 (trên 100,000 dân) sau ung thư cổ tử cung mà xuất độ chuẩn hĩa theo tuổi là 28.6 (trên 100,000 dân) [4]. ðây là một bệnh hết sức phức tạp mà trong nhiều năm qua đã cĩ nhiều nghiên cứu về nguyên nhân, bệnh sinh và điều trị. Một điều quan trọng cần phải nhận thấy là việc phát hiện sớm ung thư vú qua sự tầm sốt ở những phụ nữ bình thường đã làm thay đổi rõ ràng bệnh sử tự nhiên của bệnh cũng như cải thiện đáng kể tiên lượng bệnh. Cho đến nay, phương pháp hiệu quả nhất để phát hiện ung thư vú ở phụ nữ là chụp nhũ ảnh – phương pháp sử dụng tia X để tạo ảnh vú. Phương pháp này cĩ thể phát hiện được một khối u ác tính trong vú hai năm trước khi cơ thể cảm nhận được nĩ [1]. Nĩi chung, ở Việt Nam hiện nay, việc chẩn đốn bệnh từ phim chụp X quang vú vẫn được thực hiện thủ cơng bởi các bác sĩ hoặc các kỹ thuật viên. Bác sĩ hay kỹ thuật viên phân tích từng phim X quang vú, với từng bệnh nhân, trả về kết quả tốt (vú khoẻ mạnh) hoặc khoanh ra các vùng cĩ nghi ngờ mắc bệnh trên phim X quang. Với các bệnh nhân nghi ngờ cĩ bệnh, các bác sĩ sẽ thực hiện thêm một số bước 6 kiểm tra, như tạo nhũ ảnh chẩn đốn, cho đến khi cĩ kết quả cuối cùng. Quá trình chẩn đốn như trên dựa nhiều vào kinh nghiệm của các bác sĩ hoặc các kỹ thuật viên. Bên cạnh phương pháp chẩn đốn truyền thống như vậy, ngày nay chúng ta đã được hỗ trợ rất nhiều từ các hệ thống máy tính. Tuy rằng máy tính chưa thể đảm nhận được trọn vẹn cơng việc của các bác sĩ, kỹ thuật viên, nhưng với sự hỗ trợ từ hệ thống máy tính, chắc chắn hiệu quả của quá trình chẩn đốn sẽ tăng lên nhiều lần. Ta cĩ thể sử dụng các thuật tốn để nâng cao chất lượng ảnh và chỉ ra những vùng khả nghi. Ảnh X quang vú trong nội dung nghiên cứu ở đây được thu nhận ở dạng số và được thu thập từ cơ sở dữ liệu bệnh viện K Hà Nội. Ảnh X quang vú cĩ thể chứa các dấu hiệu/ tín hiệu về ung thư vú ở nhiều mức độ khác nhau: các vi canxi hố, các thương tổn, các khối giới hạn hoặc cĩ hình dạng khơng rõ ràng, hay các biến dạng về hình thể… Trên thế giới, rất nhiều phương pháp phân tích ảnh số X quang vú đã được nghiên cứu, triển khai và cho những kết quả tốt. Các kỹ thuật phổ biến trong lĩnh vực xử lý ảnh được áp dụng vào ảnh số X quang vú nhằm cố gắng xác định các dấu hiệu sớm của ung thư, càng ngày càng chính xác. Với suy nghĩ về thực trạng căn bệnh ung thư vú và cơ sở hạ tầng tại các bệnh viện ở Việt Nam, tơi thực hiện quyển luận văn này với mục đích nghiên cứu về một thuật tốn nhằm hỗ trợ các bác sĩ trong quá trình đọc ảnh X quang vú và đưa ra những chẩn đốn của mình. Thuật tốn này được gọi là thuật tốn kiểm tra, nĩ hỗ trợ việc định vị các bất thường trên ảnh X quang vú. Luận văn sẽ trình bày về một thuật tốn phân vùng ảnh X quang vú, một phương pháp xác định khối u trên ảnh và một phương pháp kiểm định, so sánh các kết quả thu được từ thuật tốn kiểm tra. Thuật tốn phân vùng ở đây hoạt động trên một tập hợp ảnh X quang vú nĩi chung, nĩ khơng địi hỏi bộ dữ liệu đã được huấn luyện. Cĩ một vài kỹ thuật về định vị khối u trên ảnh X quang vú. Chúng cĩ những mức độ thành cơng khác nhau, và rất nhiều trong số đĩ sử dụng một dạng đối sánh mẫu để so sánh các phần của một bức ảnh với một mẫu khối u được lựa chọn từ trước. Các mẫu khác xây dựng nên các vector đặc trưng và sử dụng một cách phân loại đã được huấn luyện trước để chọn ra các vùng ác tính. Nghiên cứu thực hiện 7 trong luận văn này cố gắng đưa ra những cải tiến về hiệu suất và tính chính xác của các phương pháp trên. Ta cũng đánh giá các mẫu khối u cĩ thể và chọn một mẫu và một phương pháp so sánh tối ưu. Cuối cùng, người thực hiện luận văn xây dựng một cơ sở dữ liệu bao gồm các ảnh X quang vú đã được chẩn đốn chính xác. Các ảnh X quang này được sử dụng với vai trị các mẫu đối sánh trong quá trình đọc các ảnh X quang trong bệnh viện K Hà Nội. 1.2 Cấu trúc của luận văn Chương 2 cung cấp một cái nhìn chi tiết về căn bệnh ung thư vú, bao gồm các biểu hiện và trạng thái của bệnh, nguyên nhân gây bệnh cũng như các cách phát hiện, điều trị bệnh. Chương 3 cung cấp các khái niệm cơ bản về xử lý ảnh cũng như một số phép tốn cải thiện, nâng cao chất lượng ảnh X quang vú, ví dụ điều chỉnh, cân bằng lược đồ xám, lọc và làm trơn ảnh. Chương 4 giới thiệu và triển khai thuật tốn phân vùng ảnh X quang vú. Thuật tốn phân vùng dựa trên lược đồ xám kết hợp các thơng tin về khơng gian. Chương 5 trình bày phương pháp phát hiện khối u dựa trên đối sánh mẫu. Trước tiên sử dụng một mẫu để nhận biết và ghi lại các pixel nghi ngờ. Saud dĩ là bước nhĩm các pixel và kiểm tra lại với mẫu đa tỷ lệ sao cho phù hợp với kích thước chính xác của khối u. Chương 6 trình bày về hệ thống kiểm định thuật tốn hỗ trợ kiểm tra ảnh X quang vú với các ví dụ minh họa cụ thể. Cuối cùng, Chương 7 đưa ra kết luận về cơng việc thực hiện và hướng phát triển trong tương lai. 8 Chương 2 - BỆNH UNG THƯ VÚ 2.1 Giải phẫu vú 2.1.1 Cấu trúc giải phẫu Vú bắt đầu phát triển ở phơi thai khoảng 7 đến 8 tuần sau khi thụ thai. Chưa thể nhận ra chúng ở giai đoạn này, bao gồm chỉ một chút mơ gợn lên. Từ tuần thứ 12 đến 16, nhiều thành phần phụ trở nên rõ ràng hơn. Các nhĩm tế bào rất nhỏ bắt đầu phân nhánh dẫn đến sự hình thành các ống dẫn và các tuyến sản xuất sữa trong tương lai. Các mơ khác phát triển thành các tế bào cơ, các tế bào này sẽ hình thành núm vú (điểm nhơ ra của vú) và quầng vú (phần mơ màu thẫm xung quanh núm vú). Trong các giai đoạn sau của thời gian mang bầu, các hormone của mẹ đi qua nhau thai để vào bào thai, khiến các tế bào vú hình thành các cấu trúc dạng ống phân nhánh, từ đĩ hình thành các ống dẫn sữa. Trong 8 tuần cuối cùng của thai kỳ, các thuỳ con (các tuyến sản sinh ra sữa) hồn thiện và thực sự bắt đầu sinh ra một chất lỏng gọi là sữa non. Trong cả trẻ sơ sinh nam và nữ đều cĩ thể cảm nhận được những vết phồng nằm dưới núm vú và quầng vú và cĩ thể nhận biết một chất lỏng trong suốt tiết ra, đĩ là sữa non. Những hiện tượng này biểu thị tác động của hormone người mẹ và sẽ giảm dần đi trong những tuần đầu tiên của cuộc đời. Từ thời thơ ấu đến tuổi dậy thì, khơng cĩ sự khác nhau giữa vú của nam và nữ. Tuy nhiên, với sự bắt đầu tuổi dậy thì ở nữ, quá trình giải phĩng estrogen, trước tiên là một mình, và sau đĩ là kết hợp với progesterone khi buồng trứng hồn thiện về chức năng, khiến vú trải qua những thay đổi đột ngột, lên đến cực điểm trong dạng trưởng thành hồn tồn. Quá trình này trung bình mất 3 đến 4 năm và thường hồn chỉnh vào tuổi 16. Sự hồn thiện hơn nữa của các mơ vú xảy ra cùng quá trình tiết sữa và thường được coi là một cách bảo vệ chống lại bệnh ung thư vú. Vú của phụ nữ trưởng thành cơ bản bao gồm 4 cấu trúc sau: các tiểu thuỳ hay tuyến; các ống dẫn sữa; mỡ và mơ liên kết (Hình 2.1). Các tiểu thuỳ tập hợp lại thành các đơn vị lớn hơn gọi là thuỳ. Trung bình cĩ 15 – 20 thuỳ trong mỗi bên vú sắp xếp hỗn độn theo dạng nan hoa toả ra từ núm vú/ khu vực quầng vú. Tuy nhiên, sự phân bố các thuỳ này khơng đều. Mơ tuyến trội hơn ở phần vú trên bên ngồi. Phần này chịu trách nhiệm về sự căng cứng ở vùng này mà rất nhiều phụ nữ cảm 9 thấy trước chu kỳ kinh nguyệt. Nĩ cũng là khu vực chiếm một nửa trong tổng số ung thư. Các thuỳ ở đây đổ vào các ống dẫn sữa, chảy qua vú về hướng núm/ quầng vú. Ở đĩ, chúng tụ lại thành 6 đến 10 ống dẫn lớn hơn gọi là các ống gĩp, các ống này dẫn vào đế của núm vú và kết nối với bên ngồi. Trong khi tiết sữa, sữa trong vú đi theo dịng chảy này đưa đến trẻ em. Hình 2.1 Cấu trúc giải phẫu của vú ðộ ổn định của các thuỳ trong vú khác nhau theo từng người và cĩ thể cịn thay đổi giữa 2 vú trên cùng một cơ thể. Tuy nhiên, nĩi chung, phần tuyến của vú cĩ cảm giác rắn, cĩ dạng mấu. Xung quanh các thuỳ là mỡ. Khơng giống các thuỳ, mỡ hầu như luơn luơn mềm. Sự khác biệt về mật độ giữa mơ tuyến và mơ mỡ trong vú chính là cơ sở cho tạo nhũ ảnh. Trong khi đĩ, các ống dẫn trong vú thường khơng cảm nhận được trừ khi chúng bị ứ sữa, bị sưng hoặc cĩ khối u. Vú của phụ nữ trẻ tuổi cơ bản bao gồm mơ tuyến với chỉ một lượng rất ít là mỡ. Vì thế chúng chắc hơn so với những người già. Khi tuổi tăng lên, đặc biệt với sự mất mát estrogen và vào thời kỳ mãn kinh, các thuỳ co lại và được thay thế bởi 10 mỡ. Vú trở nên mềm hơn và mất giá đỡ. Kiểm tra cơ thể và nhũ ảnh chụp vào thời kỳ này dễ “biên dịch” hơn và cĩ thể là chính xác hơn. Trong khi tất cả các thành phần của vú bị ảnh hưởng bởi hormone nữ, mơ tuyến là nhạy cảm nhất. Các thay đổi rất đột ngột và hồn tồn bình thường cĩ thể xảy ra trong suốt chu kỳ kinh nguyệt. Các thay đổi này rõ ràng nhất là vào trước khi hành kinh khi mức độ estrogen và progesterone lên đến đỉnh. Ngay sau khi hành kinh, mức hormone trở về thấp nhất và vú trở nên mềm hơn và ít đau hơn. ðây là thời gian tốt nhất để thực hiện tự kiểm tra vú (BSE), và chụp nhũ ảnh. Ở các phụ nữ sau khi mãn kinh, khi khơng cần cung cấp estrogen nữa, trọng lượng trở thành một nhân tố quan trọng đối với kích thước và hình dạng của vú. Bao gồm hầu hết là mỡ ở thời điểm này, những thay đổi nhỏ trong trọng lượng của cơ thể cũng cĩ thể gây ra thay đổi lớn trong kích thước vú. Cĩ một vài dị tật bẩm sinh của vú rất đáng nhắc đến ở đây. Dị tật thường thấy nhất là của núm vú phụ và/ hoặc mơ vú. Dị tật này xảy ra với 2 – 6% dân số và thường khơng được nhận biết. Núm phụ cĩ thể xuất hiện bất cứ chỗ nào dọc theo tuyến sữa (mơ gợn lên một chút, chỉ thấy ở bào thai, kéo dài từ trong nách ra đến đỉnh mà từ đĩ vú phát triển). Mơ vú phụ thường xảy ra ở vùng trong nách. Khơng đáng lo ngại về mặt lâm sàng ngoại trừ việc phải để ý sự cĩ mặt của chúng và tính đến chúng trong những lần khám bệnh. Một dị tật bẩm sinh nữa cĩ thể xảy ra là sự kém phát triển hoặc thiếu hẳn một hoặc cả hai bên vú. Khơng giống trường hợp núm vú phụ và mơ vú, khiếm khuyết này khá hiếm. Thơng thường một núm vú bước đầu vẫn cĩ ở bên bị ảnh hưởng. Các dị tật về cơ nằm dưới và khung xương sườn cùng tồn tại cũng khá phổ biến. Người ta cĩ thể thực hiện hiệu chỉnh bằng phẫu thuật nhựa và cách này cĩ khả năng cải thiện đáng kể chất lượng cuộc sống. 2.1.2 Kích thước, hình dạng và thay đổi theo thời gian của vú Kích thước và hình dạng vú của phụ nữ khác nhau đáng kể. Một số phụ nữ cĩ lượng mơ vú lớn, và vì thế cĩ vú lớn. Các phụ nữ khác cĩ lượng mơ vú nhỏ hơn với ít mỡ hơn. 11 Hình 2.2 Hình dạng của vú Các nhân tố cĩ thể ảnh hưởng đến kích thước vú của phụ nữ là: - Thể tích mơ vú - Tiểu sử gia đình - Tuổi tác - Tăng hay giảm trọng lượng - Tiểu sử về sinh nở và cho con bú - ðộ dày và tính đàn hồi của lớp da ở vú - Mức độ ảnh hưởng của hormon lên vú (cụ thể là estrogen và progesterone) - Thời kỳ mãn kinh Vú của phụ nữ hiếm khi cân bằng (đối xứng). Thơng thường, một bên vú lớn hơn hoặc nhỏ hơn, cao hơn hoặc thấp hơn, hoặc cĩ hình dạng khác so với vú bên kia. Kích thước và các đặc tính của núm vú cũng rất khác nhau giữa các phụ nữ. Ở một số người, núm vú luơn giữ thẳng. Ở một số người khác, núm vú chỉ thẳng lên khi bị kích thích lạnh hoặc do tiếp xúc. Một số phụ nữ cũng cĩ núm vú lún vào bên trong. Trên vú cĩ thể cĩ lơng. Núm vú cĩ thể bằng phẳng, hình trịn hoặc hình trụ. Màu của núm vú được xác định bởi độ mỏng của da và sắc tố da. Núm vú và quầng vú (vùng cĩ màu xung quanh núm) chứa các thớ cơ chuyên dụng đáp ứng lại các kích thích để làm cho núm vú thẳng lên. Quầng vú cũng bao bọc tuyến Montgomery cĩ thể xuất hiện ở dạng các điểm nhỏ, nổi lên trên bề mặt quầng. Tuyến Montgomery giúp làm trơn 12 quầng vú. Khi núm vú được kích thích, các thớ cơ sẽ co lại, quầng vú nhăn lại và núm vú sẽ cứng lên. Hình dạng vú trải qua nhiều thay đổi khi tuổi tác tăng lên. Ở người trẻ, da vú trải căng ra khi vú phát triển, tạo cho vú dáng hình trịn. Phụ nữ trẻ cĩ vú đặc hơn (nhiều mơ tuyến hơn) so với phụ nữ già. Trên ảnh X quang vú, các khối u trong vú, bao gồm cả u lành và u ác, đều là các vùng cĩ màu sáng. Các mơ mỡ cĩ màu tối trên ảnh. Tất cả các thành phần khác của vú (tuyến, mơ liên kết, khối u, cặn canxi…) cĩ dạng một bĩng xám trên ảnh. Nĩi chung, phụ nữ càng trẻ thì vú càng đặc. Khi tuổi tăng lên, vú phụ nữ trở nên lỗng hơn và vú được lấp đầy bằng mơ mỡ, cĩ dạng các vùng tối trên ảnh X quang. Các bác sĩ thường dễ dàng phát hiện ung thư ở vú những phụ nữ lớn tuổi vì dễ nhận ra các vùng bất thường hơn. Trong mỗi chu kỳ kinh nguyệt, mơ vú cĩ xu hướng căng lên do những thay đổi của mức estrogen và progesterone của cơ thể. Tuyến sữa và các ống dẫn mở rộng, và vú giữ nước. Trong khi hành kinh, vú cĩ cảm giác tạm thời hơi sưng lên và đau. Các bác sĩ khuyên rằng phụ nữ nên tự kiểm tra vú hàng tháng vào tuần ngay sau khi hành kinh khi vú đã khơng cịn đau như trước. U nang sợi là một kiểu lành tính phổ biến liên quan đến chu kỳ kinh nguyệt. Một số phụ nữ cĩ u nang (một gĩi chất lỏng dồn lại) sẽ cảm thấy cĩ cục trong vú và thấy đau. Các triệu chứng của u nang sợi thường giảm đi sau khi mãn kinh nhưng cĩ thể kéo dài nếu phụ nữ sử dụng liệu phát thay thế hormon. 2.1.3 Vị trí của vú Hai vú chiếm phần lớn ngực. Ở đằng trước, mơ vú kéo dài từ xương địn đến giữa xương ức. Ở hai bên, mơ vú cĩ thể kéo đến nách và đến phần cơ nằm từ thắt lưng đến phần xương cánh tay trên. 13 Hình 2.3 Vị trí của vú Trên thực tế, mối quan hệ về giải phẫu giữa vú và cơ nằm bên dưới rất quan trọng trong phẫu thuật. Vú che phủ các cơ thành ngực quan trọng như cơ thành ngực chính, cơ thành ngực phụ và cơ liên sườn. Vú cũng cĩ thể bao trùm một vài cơ mảnh gắn vào xương sườn/ cơ sườn và nối với xương vai và các cơ dài, phẳng kéo dãn cơ thể từ xương chung đến các xương sườn. 2.2 Ung thư vú 2.2.1 Ung thư vú là gì? Ung thư vú là ung thư xảy ra với vú. Phần lớn ung thư vú xảy ra ở phụ nữ, tuy nhiên cũng cĩ thể xảy ra với nam giới. “Ung thư” là tên gọi một nhĩm rất nhiều các bệnh liên quan bắt đầu từ việc các tế bào bị thay đổi về hình dạng và chức năng. Cơ thể được hình thành từ rất nhiều kiểu tế bào. Thơng thường, các tế bào phát triển và phân chia để sinh ra nhiều tế bào hơn chỉ khi cơ thể cần đến chúng. Quá trình cĩ thứ tự này giúp giữ cho cơ thể khoẻ mạnh. Tuy nhiên, đơi khi các tế bào tiếp tục phân chia khi cơ thể khơng cần đến các tế bào mới. Các tế bào thừa này hình thành nên một khối mơ, được gọi là 14 một khối u. Các khối u cĩ thể là lành tính hoặc ác tính. Khi các tế bào bị bệnh xuất phát từ mơ vú, khối u đĩ được gọi là u vú. Một khối u vú được xem là lành tính nếu nĩ hạn chế trong một vài lớp tế bào và khơng xâm lấn sang các mơ hay cơ quan xung quanh. Cịn nếu khối u lan sang các mơ hoặc cơ quan xung quanh, nĩ được xem là ác tính. Ung thư biểu mơ (carcinoma) là thuật ngữ dùng để miêu tả kiểu ung thư phổ biến nhất, xuất phát từ biểu mơ (bề mặt hoặc lớp ngồi). Ngược lại, bướu thịt (sarcoma) là từ dùng để định nghĩa các khối u xuất phát t ừ xương, cơ, mỡ và mơ liên kết. Về bản chất, vú là một tập hợp các mơ mỡ và tuyến sản sinh sữa sau khi phụ nữ sinh con. Các tuyến sản xuất sữa được gọi là các tiểu thuỳ và các ống nối chúng với núm vú được gọi là các ống dẫn. Tương ứng, ung thư biểu mơ của vú phát triển khi các thay đổi ác tính xảy ra trong các tế bào nằm ở tiểu thuỳ hoặc phổ biến hơn, nằm ở các ống dẫn. Cĩ hai kiểu ung thư vú chính: - Ung thư biểu mơ tiểu thuỳ - Ung thư biểu mơ ống dẫn. Ung thư cĩ thể là kiểu xâm lấn (lan sang các vùng khác) hoặc khơng xâm lấn (thường được gọi là “in situ” (nghĩa là tại chỗ) - chỉ nằm ở vùng khởi đầu). Phần lớn (70% - 80%) ung thư vú xuất phát từ các ống dẫn, phần tạo nên phần lớn mơ vú. Vì các tế bào tiểu thuỳ và ống dẫn cĩ ở các mơ tuyến ở các vùng trên, giữa và ngồi của vú, nên đây là nơi xảy ra hầu hết các trường hợp ung thư. Các khối u vú hiếm khi bắt nguồn từ mơ mỡ hoặc mơ khơng phải mơ tuyến. Các khối u như vậy, nếu cĩ xuất hiện, thường là các bướu thịt. Các tế bào từ các khối u cĩ thể di chuyển và phát triển trong các phần khác của cơ thể. Quá trình này được gọi là di căn. Ung thư vú thường di căn đến các vùng như phổi, xương, gan và não. Nếu ung thư vú được phát hiện vào giai đoạn đầu – ví dụ, trước khi di căn - thường là cĩ thể chữa trị được; tuy nhiên, khi bệnh đã phát triển, khả năng điều trị hiệu quả là khơng cịn. Mặc dù vậy thì may mắn là nhiều 15 khối bướu trong vú lại gây ra u lành tính, u này sẽ khơng lan ra ngồi vú và khơng đe doạ đến tính mạng. 2.2.2 Nút bạch huyết Do ung thư cĩ thể lan từ vú đến các nút bạch huyết ở nách trước tiên nên xác định xem các nút bạch huyết cĩ chứa tế bào ung thư khơng là việc thiết yếu trong quá trình chẩn đốn ung thư vú. Trạng thái của các nút bạch huyết giúp bác sĩ xác định và đánh giá ung thư, và từ đĩ quyết định cách điều trị. 2.2.2.1 Hệ bạch huyết Hệ bạch huyết là phần cơ bản của hệ miễn dịch, giúp cơ thể chống trọi lại các nhiễm trùng hoặc ung thư. Hệ bạch huyết gồm một mạng lưới các mạch dẫn chất lỏng từ các mơ đến các nút bạch huyết, các ống dẫn bạch huyết chứa chất lỏng lớn hơn và các cơ quan chuyên dụng nằm trong hệ miễn dịch. Các nút bạch huyết và các cơ quan làm việc như một kiểu “bộ lọc”, loại bỏ các cơ quan xâm lấn hoặc các tế bào bị bệnh từ chất lưu bạch huyết và “xử lý” chúng theo cách cho phép cơ thể chống trọi lại các tác nhân cĩ hại này. Bạch huyết là một chất lỏng màu sáng/ hơi vàng chứa các tế bào bạch cầu, protein, và một số tế bào hồng cầu. Các nút bạch huyết hình hột đậu của hệ bạch huyết được kết nối nhờ các mạch. Các nút bạch huyết thường cĩ trong các bĩ dưới nách, ở hai bên cổ và ở háng. Các nút bạch huyết lọc chất lỏng bạch huyết và chặn các chất lạ. Bất cứ chất lỏng nào được hệ bạch huyết hấp thụ đều đi qua ít nhất một nút bạch huyết trước khi nĩ trở về tuần hồn. 16 Hình 2.3 Hệ bạch huyết Các nút bạch huyết chứa các tế bào bạch cầu giúp phá vỡ các vi trùng lạ hoặc các tế bào cĩ hại. Các nút bạch huyết cĩ thể mở rộng hoặc phồng lên khi chúng chống lại một sự nhiễm trùng vì chúng phải sinh ra thêm các tế bào bạch cầu. Các nút bạch huyết cĩ thể bị viêm khi chúng đang chống lại một cơ thể lạ. ðơi khi, cĩ thể nhìn thầy các mạch bạch huyết dưới dạng các đường mảnh màu đỏ dọc theo một chi nào đĩ do nhiễm trùng. Các nút bạch huyết cũng cĩ thể sưng lên do sự hình thành một áp xe (túi mủ) trong các nút hoặc khi chúng chứa các tế bào ung thư. 2.2.2.2 Tầm quan trọng của các nút bạch huyết trong xác định giai đoạn ung thư Hình 2.4 Các nút bạch huyết ở nách 17 Nút bạch huyết cĩ chứa các tế bào ung thư hay khơng là một yếu tố quan trọng khi xác định giai đoạn ung thư vú, quyết định cách điều trị và dự đốn khả năng sống. Mặc dù ung thư vú cĩ nhiều khả năng lan sang các vùng khác của cơ thể trước tiên, nhưng phổ biến nhất là nĩ lan sang các nút bạch huyết ở nách trước tiên. Từ đĩ, ung thư vú cĩ thể di căn đến các phần khác của cơ thể (như xương, phổi, gan hoặc não). Nếu một phụ nữ được chẩn đốn là bị ung thư xâm lấn (ung thư xâm lấn qua thành các ống dẫn và tiểu thuỳ của vú sang các mơ xung quanh vú), cần phải kiểm tra các nút bạch huyết ở nách để xác định chúng cĩ chứa tế bào ung thư hay khơng. Bảng 2.1 Phân loại ung thư Ung thư khơng xâm lấn Ung thư xâm lấn Các tế bào ung thư chỉ nằm trong các ống dẫn và khơng xâm lấn sang mơ mỡ và mơ liên kết xung quanh trong vú. Ung thư biểu mơ ống dẫn tại chỗ (DCIS) là kiểu phổ biến nhất của ung thư khơng xâm lấn (90%). Ung thư biểu mơ tiểu thuỳ tại chỗ (LCIS) ít phổ biến hơn và được xem là dấu hiệu về khả năng phát triển thành ung thư vú. Các tế bào ung thư phá vỡ thành ống dẫn và tiểu thuỳ và xâm lấn sang các mơ mỡ và mơ liên kết xung quanh trong vú. Ung thư cĩ thể là xâm lấn nhưng khơng di căn đến các nút bạch huyết hoặc các cơ quan khác. Xác định xem các nút bạch huyết cĩ tế bào ung thư hay khơng là một bước thiết yếu của quá trình xác định giai đoạn ung thư, giúp quyết định cách điều trị và dự đốn bệnh. Kích thước khối u và phạm vi ung thư cĩ thể di căn sang các vùng khác của cơ thể cũng cần được kiểm tra. Cách kiểm tra các nút bạch huyết chuẩn là thực hiện mổ nút ở nách. Quy trình này thực hiện loại bỏ 10 đến 30 nút bạch huyết để kiểm tra dưới kính hiển vi. Tác dụng phụ phổ biến nhất của việc mổ nút ở nách là gây ra sưng cánh tay, ảnh hưởng khoảng 10% bệnh nhân. Chứng này xảy ra khi quá trình dẫn bạch huyết bình thường từ cánh tay bị nghẽn hoặc chặn lại, khiến chất lỏng bị dồn ứ trong cánh tay. 18 Một cách phẫu thuật khác nữa hiện nay được dùng cho các bệnh nhân ung thư vú, đĩ là sinh thiết nút, để xác định xem các tế bào ung thư cĩ trong các nút bạch huyết hay khơng. Sinh thiết nút loại bỏ chỉ một đến ba nút bạch huyết đầu tiên trong chuỗi bạch huyết. Các nghiên cứu tiếp tục chứng tỏ rằng bỏ đi càng ít nút bạch huyết càng giảm khả năng phát triển khối sưng tấy. Mức độ hiệu quả của sinh thiết trong xác định các nút bạch huyết cĩ chứa tế bào ung thư hay khơng đã được chứng tỏ là liên quan trực tiếp đến kinh nghiệm của bác sĩ thực hiện quy trình đĩ. Nếu các nút được lấy ra cĩ chứa ung thư, sau đĩ người ta sẽ thực hiện quy trình phẫu thuật tồn bộ nút bạch huyết dưới nách. 2.2.3 Nguyên nhân của ung thư Người ta chưa thể khẳng định các nguyên nhân chính xác gây ung thư vú. Tuy nhiên các nhà khoa học cĩ thể đưa ra một số nhân tố cĩ khả năng làm tăng nguy cơ mắc phải căn bệnh này. Các nhân tố nhất định, ví dụ tuổi tác, là ngồi khả năng kiểm sốt, trong khi các nhân tố khác, ví dụ thĩi quen uống bia rượu, lại cĩ thể điều chỉnh được [3]. 2.2.3.1 Tuổi tác Nguy cơ mắc ung thư vú tăng theo tuổi. Ví dụ, tỷ lệ ung thư vú hàng năm ở phụ nữ 50 tuổi cao hơn 8 lần so với ở phụ nữ 30 tuổi. Hầu hết các trường hợp ung thư vú (khoảng 80%) phát triển ở phụ nữ hơn 50 tuổi. Trong một nhĩm tuổi (40 đến 45), ung thư vú được xếp đầu tiên trong các nguyên nhân gây tử vong ở phụ nữ. Ung thư vú khơng phổ biến ở phụ nữ dưới 35 tuổi, ngoại trừ những ai trong tiểu sử gia đình cĩ căn bệnh này. 2.2.3.2 Ung thư vú trước đĩ Nếu một phụ nữ đã từng mắc ung thư vú, phụ nữ này cĩ nhiều khả năng mắc ung thư vú ở vú cịn lại. Ung thư như vậy xuất phát từ một vị trí hồn tồn khác và khơng nên nhầm lẫn với ung thư tái phát hoặc di căn từ một vùng khác. Khả năng lại mắc ung thư tăng 0.5 % đến 0.7 % mỗi năm sau chẩn đốn ban đầu. Sau 20 năm, khả năng một phụ nữ phát triển ung thư vú mới là 10 % đến 15 %. 19 2.2.3.3 Tiểu sử gia đình Khoảng 85 % phụ nữ mắc ung thư vú khơng thuộc gia đình cĩ người mắc ung thư vú. Trong 15 % cịn lại, khoảng một phần ba cĩ bất thường về gen. Nguy cơ mắc ung thư vú cao gấp hai lần trong số những phụ nữ cĩ mối quan hệ bậc nhất (mẹ, chị gái hoặc con gái) với người mắc căn bệnh này. Nguy cơ tăng gấp 4 đến 5 lần nếu ung thư cĩ mối quan hệ được phát hiện trước khi mãn kinh và bao gồm cả hai bên vú. Nguy cơ cũng tăng nếu ung thư vú xuất hiện trong nhiều thế hệ của gia đình. Hơn nữa, nguy cơ ung thư vú cao được thấy ở những gia đình cĩ những rối loạn di truyền, ví dụ bất thường về hệ vận động và hội chứng Li-Fraumeni. 2.2.3.4 Biến đổi gen Khoảng 5 % đến 10 % các trường hợp ung thư vú là di truyền. Các nhà khoa học đã xác định được các biến đổi nhất định về gen (thay đổi vĩnh viễn trong chất liệu gen) khiến người ta cĩ khả năng cao mắc phải ung thư vú. Cho đến nay, các gen được nghiên cứu nhiều nhất bao gồm BRCA1 và BRCA2. Ngồi ra, nhiều gen khác cũng liên quan đến ung thư vú, bao gồm gen cĩ tên p53, AT, nhĩm hồi phục GADD, gen triệt RB, và gen đột biến gây ung thư HER- 2/neu. Một số trong những gen này trực tiếp tác động đến nguy cơ mắc ung thư vú, trong khi những gen khác liên quan đến quy trình chung phát triển ung thư và di căn. 2.2.3.5 Hormone Nguy cơ ung thư vú cao hơn ở những phụ nữ sử dụng các hormone giới tính, cụ thể là estrogen. Vì thế, nguy cơ mắc ung thư vú cao hơn ở những phụ nữ: • bắt đầu hành kinh sớm (trước tuổi 12) • mãn kinh muộn • khơng sinh con • sinh con muộn (sau tuổi 30) • sử dụng thuốc kiểm sốt sinh nở 20 Liệu pháp thay thế estrogen (ERT), cịn được gọi là liệu pháp thay thế hormone (HRT), được nhiều phụ nữ lớn tuổi sử dụng để giảm các triệu chứng mãn kinh. Một số nghiên cứu đã chỉ ra rằng ERT làm tăng nguy cơ mắc ung thư vú sau khi sử dụng nĩ trong thời gian dài (hơn 10 năm). Nhưng khơng cĩ một nhất trí chính thức nào về ERT, do các nhà khoa học cũng phát hiện ra rằng việc tăng nguy cơ mắc ung thư vú được loại trừ trong vịng 5 năm ngừng ERT. Hơn nữa, một số nhà nghiên cứu đã báo cáo rằng nguy cơ mắc ung thư vú cao hơn ở những phụ nữ sử dụng estrogen hoặc estrogen cộng progestin, trong khi những người khác thì khơng. Do những điều khơng chắc chắn như vậy – và thực tế là ERT mang lại nhiều lợi ích (ví dụ giảm nguy cơ gẫy xương và đột quỵ) – trước khi một ai đĩ sử dụng ERT, họ cần tham khảo bác sĩ. 2.2.3.6 Bệnh về vú (lành tính) Hầu hết các bệnh lành tính ở vú, ví dụ u nang, khơng làm tăng khả năng mắc ung thư vú. Nhưng nguy cơ tăng lên khi mơ vú cĩ một số đặc tính cụ thể, như • u tuyến sợi phức tạp • tăng sản (tăng bất thường trong số lượng tế bào) • bất thường cấu trúc tế bào Tăng sản vừa phải hoặc đột ngột cĩ thể làm tăng nguy cơ ung thư vú từ 1.5 đến 4 lần; tuy nhiên khi liên quan đến bất thường về cấu trúc tế bào thì nguy cơ cĩ thể tăng tới 5 lần. Nếu một phụ nữ lại cĩ thêm tiểu sử gia đình cĩ người mắc ung thư vú thì nguy cơ mắc ung thư vú của phụ nữ này tăng tới 11 lần. 2.2.3.7 Sử dụng chất kích thích Nguy cơ mắc ung thư vú tăng ở những phụ nữ sử dụng chất kích thích. Những phụ nữ sử dụng một đồ uống cĩ chất cồn một ngày thì nguy cơ mắc ung thư vú cao hơn một chút, cịn những phụ nữ sử dụng hơn 3 đồ uống cĩ chất cồn một ngày sẽ cĩ nguy cơ cao gấp đơi. Tuy nhiên, cơ sở cho điều này là chưa rõ ràng. 21 2.2.3.8 Nhiễm phĩng xạ Nguy cơ mắc ung thư vú tăng đáng kể ở những phụ nữ đã trải qua xạ trị ở ngực khi cịn nhỏ hoặc ở tuổi thanh niên. Do những điều trị từng trải qua (ví dụ, chụp ảnh X quang phổi), phụ nữ trên 45 tuổi thường nhiễm phĩng xạ nhiều hơn các phụ nữ trẻ. Hơn nữa, nguy cơ cũng tăng ở những phụ nữ bị nhiễm phĩng xạ của bom nguyên tử ở Hiroshima và Nagasaki, Nhật Bản. 2.2.3.9 Các nguyên nhân khác Một số các yếu tố khác, tuy chưa được chứng minh, nhưng cĩ nhiều khả năng ảnh hưởng đến nguy cơ mắc ung thư vú: • chế độ ăn uống • tình trạng ơ nhiễm mơi trường • hút thuốc lá • bị sảy thai • cĩ trọng lượng/ chiều cao trên mức trung bình 2.2.4 Các giai đoạn của ung thư vú Với mục đích điều trị, ung thư vú được chia thành 5 giai đoạn. Giai đoạn 0 miêu tả các tế bào ung thư khơng xâm nhập nhưng về lâu dài cĩ nguy cơ trở thành xâm nhập. Giai đoạn một (I) miêu tả các khối u khơng lớn hơn 2 cm về chiều ngang và chưa truyền lan ra ngồi vú. Trong giai đoạn hai, khối u khoảng 2 cm nhưng đã lan truyền đến nút bạch huyết dưới cánh tay, hoặc khối u khoảng 5 cm nhưng chưa lan truyền đến nút bạch huyết dưới tay. Giai đoạn ba ung thư lớn hơn 5 cm chiều ngang và đã lan truyền đến nút bạch huyết hoặc mơ khác dưới vú. Giai đoạn bốn ung thư được gọi là di căn và đã lan truyền đến các phần khác trong cơ thể. Mức độ nghiêm trọng tăng dần lên theo các giai đoạn và tỷ lệ sống giảm. 22 Bảng 2.2 Các giai đoạn ung thư vú Giai đoạn Kích thước khối u Bao gồm nút bạch huyết Di căn I II III IV Nhỏ hơn 2 cm Từ 2 – 5 cm Lớn hơn 5 cm (Khơng áp dụng) Khơng Khơng hoặc ở cùng bên vú Cĩ, ở cùng bên vú (Khơng áp dụng) Khơng Khơng Khơng Cĩ 2.3 Tạo ảnh bằng tia X Tạo ảnh bằng tia X – hay cịn gọi là tạo ảnh quang tuyến - là một trong những cách tạo ảnh nhanh nhất và dễ dàng nhất để một bác sĩ quan sát được các cơ quan bên trong cơ thể bệnh nhân. Tạo ảnh tia X đã tồn tại hơn 100 năm và là một cơng cụ rất tốt để đánh giá các chấn thương về xương (ví dụ gẫy xương), để chẩn đốn các hệ thống ruột – chứa khí (bộ máy tiêu hố), để tạo ảnh chẩn đốn độ phân giải cao của vú (mammography), và để tạo ảnh nhận biết các khoang ngực bao gồm phổi và tim. Cĩ nhiều ứng dụng khác nữa của tạo ảnh quang tuyến bao gồm tạo ảnh thận, răng và hàm, và các cấu trúc trong tai, mũi và cổ họng. Tạo ảnh chẩn đốn quang tuyến vẫn bao gồm phần lớn các quy trình chẩn đốn thực hiện hàng năm trên tồn thế giới. Tạo ảnh quang tuyến đặc biệt là cơ sở cho mammography quét và chẩn đốn, sử dụng để phát hiện và chỉ dẫn cách điều trị đối với ung thư vú. Tạo ảnh X quang thường quy vẫn đĩng một vai trị quan trọng trong phát hiện, chẩn đốn và điều trị các bệnh về tim và chứng đột quỵ. (a) (b) (c) Hình 2.5 (a) Tạo ảnh quang tuyến, (b) ảnh X quang lồng ngực và (c) ảnh X quang bàn tay 23 Tạo ảnh quang tuyến cũng là một phần quan trọng trong phép đo mật độ xương nhằm phát hiện chứng lỗng xương và cũng đĩng vai trị then chốt trong phẫu thuật chỉnh hình và điều trị các chấn thương trong thể thao. Tạo ảnh quang tuyến là cơ sở chính trong phát hiện, chẩn đốn và điều trị ung thư. Tạo ảnh quang tuyến thường quy bao gồm một phạm vi rộng các kỹ thuật và ứng dụng. tuy nhiên, nĩi chung, tạo ảnh quang tuyến thường được chia thành hai kiểu chính: 1. Tạo ảnh quang tuyến với một bức ảnh “tĩnh” của xương hoặc cơ quan nào đĩ và in lên phim hoặc hiển thị trên màn hình máy tính. Một bức ảnh quang tuyến thường được so sánh với việc chụp một bức ảnh với camera 35 mm. 2. Tạo ảnh tăng sáng truyền hình với hình ảnh một cơ quan nào đĩ được quan sát trên màn hình TV hoặc máy tính. 2.3.1 Tạo ảnh X quang vú – Mammography (a) (b) Hình 2.6 (a) Hệ thống tạo ảnh X quang vú và (b) Một bức ảnh X quang vú 2.3.1.1 Mammography là gì? Mammography là một kiểu tạo ảnh quang tuyến đặc biệt được sử dụng để tạo ảnh các chi tiết của vú. Cĩ khoảng 48 triệu ảnh X quang vú được thực hiện hàng 24 năm ở Mỹ. Tạo ảnh X quang vú sử dụng tia X liều thấp; phim độ tương phản và độ phân giải cao; và hệ thống tia X được thiết kế đặc biệt để tạo ảnh vú. ðiều trị ung thư vú thành cơng phụ thuộc vào việc chẩn đốn sớm. Ảnh X quang vú đĩng vai trị chính trong việc phát hiện sớm ung thư vú. Cơ quan Food and Drug của Mỹ báo cáo rằng ảnh X quang vú cĩ thể phát hiện 85 % đến 90 % các trường hợp ung thư vú ở phụ nữ hơn 50 tuổi và phát hiện được các khối sưng hai năm trước khi cĩ thể cảm nhận được nĩ. Những lợi ích của tạo ảnh X quang vú vượt trội hơn hẳn những nguy cơ và nhược điểm của nĩ. Ảnh X quang vú cho biết những thay đổi trong vú rất tốt trước khi bệnh nhân hoặc bác sĩ cảm nhận được chúng. Khi phát hiện được một khối sưng, ảnh X quang vú sẽ là chìa khố để đánh giá khối sưng đĩ nhằm xác định nĩ cĩ phải là ung thư hay khơng. Nếu bất thường trong vú được phát hiện và khẳng định bằng ảnh X quang vú, cĩ thể thực hiện thêm các kiểm tra tạo ảnh vú khác như siêu âm hoặc sinh thiết. Sinh thiết bao gồm việc lấy một mẫu từ mơ vú và kiểm tra mẫu này dưới kính hiển vi để xác định nĩ cĩ chứa các tế bào ung thư hay khơng. Tạo ảnh X quang vú và siêu âm được sử dụng nhiều để giúp các bác sĩ đưa kim vào đúng vị trí trong vú khi làm sinh thiết. Cĩ hai kiểu tạo ảnh X quang vú, là quét và chẩn đốn: - Quét X quang vú là kiểu kiểm tra vú bằng tia X cho các phụ nữ khơng cĩ các triệu chứng bất thường (khơng cĩ bệnh hoặc triệu chứng về ung thư vú). Mục đích của việc quét này là phát hiện ung thư khi nĩ cịn nhỏ đến mức bệnh nhân hay bác sĩ khơng thể cảm nhận được. Phát hiện sớm khối ung thư nhỏ bằng cách quét sẽ tăng khả năng điều trị thành cơng cho bệnh nhân lên nhiều lần. Quét X quang vú được khuyến cáo thực hiện hàng năm hoặc 2 năm một lần đối với các phụ nữ từ 40 tuổi trở lên và hàng năm đối với những phụ nữ trên 50 tuổi. Trong một số trường hợp, bác sĩ cĩ thể khuyên thực hiện quét mammography trước tuổi 40 (ví dụ với những phụ nữ trong tiểu sử gia đình cĩ người mắc bệnh ung thư vú). - X quang vú chẩn đốn là kiểu kiểm tra vú bằng tia X với các phụ nữ cĩ bệnh (ví dụ, trong khi tự kiểm tra họ phát hiệ thấy khối sưng trong vú hoặc núm vú chảy nước) hoặc cĩ bất thường phát hiện trong khi quét. X quang vú chẩn 25 đốn phức tạp hơn và tốn nhiều thời gian hơn quét X quang vú và được sử dụng để xác định kích thước và vị trí chính xác của các bất thường trong vú và tạo ảnh các mơ và nút bạch huyết xung quanh. Thơng thường, người ta tạo ảnh thêm một vài hướng nhìn của vú và biên dịch trong quá trình X quang vú chẩn đốn. Vì thế, X quang vú chẩn đốn đắt hơn quét X quang vú. Phụ nữ với vú được cấy mơ và trong tiểu sử gia đình cĩ người mắc ung thư vú thường cần thêm các ảnh dùng trong X quang vú chẩn đốn. 2.3.1.2 Tạo ảnh X quang vú được thực hiện như thế nào? Trong quá trình tạo ảnh, kỹ thuật viên sẽ định vị bệnh nhân và tạo ảnh từng vú tách biệt nhau. Mỗi lần, từng vú được định vị cẩn thận trên một cassette chứa phim đặc biệt và sau đĩ nhẹ nhàng nén vú bằng một tấm nén (thường làm bằng nhựa). Nén làm cho vú bằng phẳng để cĩ thể tạo ảnh nhiều mơ nhất. Ở một số nơi, kỹ thuật viên cĩ thể gắn một vài miếng đánh dấu dính lên trên da bệnh nhân trước khi tạo ảnh. Mục đích của các tấm dính đánh dấu đĩ là: (1) xác định các vùng cĩ nốt ruồi, vết hoặc sẹo sao cho chúng khơng bị hiểu nhầm là các bất thường, và (2) xác định các vùng cĩ thể là vùng quan tâm (ví dụ một khối sưng thấy khi tự kiểm tra vú). Một số nơi luơn đánh dấu núm vú bằng một điểm nhỏ để tạo ra một “mốc” trên ảnh X quang vú. ðể “tạo” ảnh X quang vú, nguồn tia X được bật lên và các tia X phát qua vú đã được nén và đến cassette phim đặt dưới vú. Các tia X đập vào lớp phosphor đặc biệt trong cassette. Lớp phosphor này phát sáng tương ứng với cường độ chùm tia X đập vào nĩ, từ đĩ “chiếu” vào phim một bức ảnh của các cấu trúc bên trong vú. Phim nhạy cao và các tia X đặc biệt được sử dụng để tạo ảnh cĩ chất lượng cao nhất với liều thấp nhất. Phim “được chiếu” trong cassette sau đĩ được rửa trong phịng tối giống như ảnh bình thường. Chính năng lượng và bước sĩng đặc biệt của tia X cho phép chung đi qua vú và tạo ảnh các cấu trúc bên trong của vú. Khi các tia X đi qua vú, chúng bị suy giảm (yếu đi) do mật đơ mơ khác nhau chúng gặp phải. Mỡ cĩ mật độ lớn và hấp thụ hoặc làm suy giảm một lượng lớn tia X. Các mơ liên kết xung quanh các ống dẫn và mỡ cĩ mật độ thấp hơn và làm suy giảm năng lượng tia X ít hơn. Chính 26 sự khác biệt trong hấp thụ và mức độ chiếu tương ứng lên phim tạo ra ảnh thể hiện rõ ràng các cấu trúc bên trong như mỡ, mơ tuyến sợi, ống dẫn và núm vú. Khơng những thế, các bất thường như các vi canxi hố (các cặn canxi nhỏ), khối u và u nang cũng thấy trên ảnh X quang vú. Phim đã được rửa sau đĩ được bác sĩ đọc, bác sĩ này sẽ so sánh bức ảnh mới của một bệnh nhân nào đĩ với ảnh của bệnh nhân khác và với các ảnh X quang vú mà bệnh nhân đĩ đã chụp trước đĩ. Bác sĩ tìm kiếm bĩng mờ và các kiểu mật độ mơ để phát hiện các bất thường. Ảnh X quang vú cũng như vân tay; cĩ dạng khác nhau ở những người kác nhau, và khơng cĩ hai ảnh nào giống nhau. Những ảnh đã chụp trước đĩ rất cĩ ích cho các bác sĩ để so sánh. Nĩ giúp các bác sĩ phát hiện những thay đổi nhỏ diễn ra từ từ theo thời gian và phát hiện ung thư sớm nhất cĩ thể. Vú tạo thành từ mỡ, mơ sợi và các tuyến. Các khối u trong vú (bao gồm u lành và u ác) cĩ dạng các vùng trắng trên phim. Mỡ cĩ dạng các vùng đen. Các thành phần khác (tuyến, mơ liên két, khối u, và các bất thường quan trọng khác như các vi canxi hố) cĩ một mức độ sáng nào đĩ trên ảnh. 2.3.1.3 Các hướng quan sát trong X quang vú quét và chẩn đốn CC và MLO LM ML Hình 2.7 Các hướng quan sát trong quét X quang vú Với chụp X quang vú, mỗi bên vú được tạo ảnh riêng: - thơng thường là từ trên xuống (ảnh cranial-caudal, CC) và 27 - từ hướng xiên (mediolateral-oblique, MLO) Với X quang vú chẩn đốn, từng bên vú được tạo ảnh riêng: - từ trên xuống (CC) - từ hướng xiên (MLO) - từ ngồi vào trong (lateromedial, LM) và từ giữa ngực ra ngồi (mediolateral, ML)… - nếu đã thực hiện quá trình quét trước đĩ và nếu những ảnh CC và MLO thu được đủ chất lượng chẩn đốn thì khơng cần thực hiện lại mammography chẩn đốn nữa. Hình 2.8 Hướng quan sát CC của vú bên trái trên ảnh X quang 28 Hình 2.9 Hướng quan sát ML của vú bên trái trên ảnh X quang Hình 2.10 Ảnh X quang vú với các vùng khác nhau Cơ ngực Kết cấu chính của vú Nền ảnh Mỡ dưới da 29 2.3.2 Các kiểu bất thường mà X quang vú chẩn đốn cĩ thể phát hiện Ảnh X quang vú được dùng để phát hiện các bất thường trong vú, phổ biến nhất là các khối u hoặc các vi canxi hố. Các canxi hố là các cặn khống chất trong mơ vú xuất hiện dưới dạng một vùng màu trắng, nhỏ trên phim X quang. Khối u là một nhĩm tế bào bất kỳ hợp lại với mật độ lớn hơn các mơ xung quanh. U nang (túi chất lỏng) cũng xuất hện dưới dạng một khối u trên ảnh X quang vú. ðể phân biệt giữa một khối u rắn và một khối u nang, các bác sĩ thường sử dụng sĩng siêu âm. • Các vi canxi hố: là các đốm canxi nhỏ (nhỏ hơn 1/50 inch) trong vú. Khi cĩ nhiều vi canxi hố trong cùng một vùng, chúng tạo thành một đám và cĩ thể biểu thị một khối ung thư nhỏ. Khoảng một nửa các trường hợp ung thư phát hiện qua ảnh X quang vú cĩ dạng các đám vicanxi hố. Các vi canxi hố là biểu hiện phổ biến nhất về ung thư biểu mơ ống dẫn tại chỗ (DCIS) (một dạng ung thư giai đoạn đầu hạn chế trong các ống dẫn) trên ảnh X quang vú. Gần 90% các trường hợp ung thư biểu mơ ống dẫn tại chố liên quan đến các vi canxi hố. • Một vùng vi canxi hố trên ảnh X quang vú khơng phải lúc nào cũng biểu thị ung thư. Hình dạng và sự sắp xếp các vi canxi giúp bác sĩ đánh giá khả năng ung thư. Trong một số trường hợp, các vi canxi hố khơng cần phải làm sinh thiết. Thay vì thế, bác sĩ cĩ thể tiếp tục theo dõi và thực hiện chụp X quang vú 6 tháng 1 lần cho bệnh nhân. Trong các trường hợp khác, các vi canxi hố đáng ngại hơn và khi đĩ cần làm sinh thiết. Khoảng 17% các canxi hố cần sinh thiết thực sự là ung thư. • Các khối u: Một thay đổi quan trọng nữa trên ảnh X quang vú là sự hiện diện của các khối u, các khối này cĩ thể cĩ hoặc khơng liên quan đến các canxi hố. Một khối u là một nhĩm tế bào bất kỳ nhĩm lại với mật độ cao hơn các mơ xung quanh. Cũng giống như với các vi canxi hố, khối u cĩ thể là lành tính hoặc ác tính. Kích thước, hình dạng và đường bao của khối u giúp bác sĩ đánh giá khả năng ung thư của nĩ. Các ảnh X quang vú chụp trong quá khứ cĩ thể cho thấy một khối u nào đĩ khơng thay đổi trong nhiều năm, biểu hiện là u lành tính và tránh được việc sinh thiết khơng cần thiết. 30 Hình 2.11 Ví dụ về khối u trịn Hình 2.12 Ví dụ về khối u hình ơ van Hình 2.13 Ví dụ về khối u tiểu thuỳ 31 Hình 2.14 Ví dụ về khối u dạng bất thường Hình 2.15 Ví dụ về khối u cĩ giới hạn Hình 2.16 Ví dụ về khối u với đường bao nằm ở các tiểu thuỳ 32 Hình 2.17 Ví dụ về khối u với đường bao khơng rõ ràng Hình 2.18 Ví dụ về khối u với đường bao khơng nhận biết được Hình 2.19 Ví dụ về khối u gai 33 Từ Hình 2.20 đến Hình 2.22 là các ví dụ về khối u với mật độ khác nhau. Các khối u với mật độ cao nổi bật lên trên mơ nền. Các khối u với mật độ thấp cĩ dạng mờ nhạt và cĩ thể bị che khuất một phần. Các khối u cĩ mật độ ngang bằng biểu thị cường độ bằng với các đối tượng khác trên ảnh. Hình 2.20 Ví dụ về khối u cĩ mật độ cao Hình 2.21 Khối u cĩ mật độ ngang bằng 34 Hình 2.22 Khối u cĩ mật độ thấp Hình 2.23 Các vi can xi hố (khoanh trịn) 35 Hình 2.24 Hình ảnh nhìn từ bên và từ trên xuống của một biến dạng hình học (khoanh trịn) 2.3.3 Nền ảnh X quang vú Bên cạnh những bất thường cụ thể thấy trên ảnh X quang vú, các hiện tượng khác được quan sát cũng cĩ thể ảnh hưởng đến việc đọc ảnh của bác sĩ. Ví dụ, một số ảnh X quang vú cho thấy vú cĩ mật độ rất cao (rất đặc). Chúng hiển thị mơ tuyến sợi đặc, khiến việc nhận biết các dấu hiệu ung thư trở nên khĩ khăn. Hình 2.25 minh họa một ảnh X quang vú với mơ đặc. 36 Hình 2.25 Ảnh X quang vú với mơ tuyến rất đặc 2.3.4 ðọc phim X quang vú Quét X quang vú cĩ thể giúp phát hiện sớm ung thư vú; tuy nhiên, nĩ phụ thuộc vào việc đọc chính xác ảnh của bác sĩ. Do các chi tiết nhỏ và các thay đổi của vú, thường xảy ra lỗi. Cĩ hai loại lỗi thường gặp là tích cực sai và tiêu cực sai. Tích cực sai là lỗi khi bác sĩ xác định một vùng nào đĩ là ung thư trong khi nĩ chỉ là lành tính. Tiêu cực sai xảy ra khi một bất thường nào đĩ khơng được bác sĩ phát hiện. Trong hai lỗi này, tích cực sai ít nguy hiểm hơn. Chúng thường khơng gây nguy hiểm cho cuộc sống của bệnh nhân, nhưng cũng gây ra những hệ quả tiêu cực. Cĩ thể phải chụp thêm ảnh X quang hoặc thực hiện các kiểm tra khơng xâm nhập để xác định bản chất của bất thường. 37 Tiêu cực sai cĩ mức độ nguy hại cao hơn. Lỗi này trực tiếp làm chậm hoặc ngăn chặn việc phát hiện sớm ung thư và gây ảnh hưởng bất lợi lên cơ hội điều trị ung thư của bệnh nhân. Các khối u hoặc dấu hiệu của khối u mà khơng được phát hiện hoặc bị phân loại nhầm là u lành sẽ làm giảm hiệu quả của quét X quang vú. 38 Chương 3 - XỬ LÝ ẢNH SỐ Trước đây, các bệnh viện ở Việt Nam thường ghi ảnh X quang lên phim. Tuy nhiên, hiện nay một số nơi, như bệnh viện K Hà Nội, đã sử dụng thiết bị với khả năng thu nhận số. Vì vậy, ảnh X quang ta thu được là ảnh số, lưu trữ trên máy tính dưới dạng file JPEG. Bởi vậy, trong chương này ta sẽ trình bày một số khái niệm, thuật tốn đối với ảnh số, với các ví dụ minh họa là các ảnh X quang vú. 3.1 Ảnh số Một bức ảnh số là một bức ảnh xij = f (i, j) được rời rạc hố cả về toạ độ khơng gian và về độ sáng. Ta cĩ thể xem một bức ảnh số như một ma trận cĩ chỉ số hàng và cột xác định một điểm trên ảnh mà giá trị phần tử ma trận tương ứng của nĩ xác định mức xám ở điểm đĩ. Các phần tử của một mảng số như vậy được gọi là các phần tử ảnh hay là các điểm ảnh (pixel – picture element). Hình 3.1 Ví dụ về ma trận ảnh kích thước 5 × 5 và lược đồ xám của nĩ ðây là định nghĩa về một ảnh mức xám. Ảnh dùng trong nghiên cứu này là các ảnh mức xám. Các ảnh mức xám cũng được sử dụng để biểu thị các thay đổi về cường độ tương đối đối với một cảnh cho trước hoặc một vật chất đối tượng. Do các cường độ thu nhận trên một tấm phim X quang của hệ thống X quang là các giá trị ghi lại mức độ hấp thụ bức xạ tương đối nên các ảnh mức xám là hồn tồn thích hợp cho ảnh số X quang vú. Các phần tử trong một bức ảnh số chứa một giá trị rời 39 rạc, thường là một số nguyên dương trong một phạm vi cho trước. Thơng thường các bức ảnh sẽ được định nghĩa bởi một dải các giá trị chúng bao gồm. Ví dụ, một ảnh mức xám 8 bit cĩ các giá trị pixel nằm trong khoảng từ 0 đến 255. Một ảnh mức xám 12 bit cĩ xá giá trị pixel từ 0 đến 4095. Tương tự thế, ảnh nhị phân, hay ảnh 1 bit, cĩ các giá trị pixel là 0 hoặc 1. 3.2 Mơ hình xác suất thống kê Các con số thống kê cĩ thể khai triển cho ảnh số, hỗ trợ việc mơ tả và phân tích ảnh. Phần này đưa ra giới thiệu về một nhĩm các thơng số thống kê ảnh được lựa chọn cùng các ví dụ. Trên thực tế, nhiều nghiên cứu tiếp tục phát triển các con số thống kê mới để miêu tả và phân tích các bức ảnh. Nghiên cứu này chủ yếu quan tâm đến ứng dụng các thơng số thống kê đã cĩ. Các thống kê dưới đây cĩ thể được tính tốn trên tồn bức ảnh hoặc trên một phần của bức ảnh. Trong nhiều trường hợp, nhiều phần của bức ảnh từ một bức ảnh ban đầu được lựa chọn và so sánh sử dụng các thống kê này. 3.2.1 Lược đồ xám Lược đồ xám của một bức ảnh biểu diễn phân bố cường độ mức xám trên một bức ảnh khơng theo vị trí trên ảnh. Hình 3.2 là một ví dụ về ảnh X quang vú và Hình 3.3 là lược đồ xám tương ứng của nĩ. Lược đồ xám cho biết phân bố xác suất với mỗi mức xám trên ảnh. Vì Hình 3.2 là ảnh 8 bit, lượng đồ xám biểu diễn 256 giá trị. Tổng quát, ứng với ảnh n bit, lược đồ xám sẽ hiển thị phân bố xác suất của 2n mức xám trên ảnh. 40 Hình 3.2 Ảnh mammogram biểu diễn vú trái nhìn từ bên Nhiều thơng tin cĩ thể thu thập được từ lược đồ xám của ảnh và các ảnh con. Ví dụ, Hình 3.4 biểu diễn 3 ảnh con từ Hình 3.2 và lược đồ xám tương ứng của chúng. Ba ảnh con này biểu diễn mơ mỡ trong vú, Hình 3.4(a), nền, Hình 3.4(b) và mơ cơ ngực, Hình 3.4(c). Lược đồ xám của các ảnh con này cung cấp hình ảnh định lượng về những khác nhau quan sát được giữa các thành phần ảnh mammo được biểu diễn. Hình 3.3 Lược đồ xám của ảnh trên Hình 3.2 41 Hình 3.4 Ba ảnh con từ Hình 3.2 và lược đồ xám tương ứng của chúng Sử dụng Matlab tính lược đồ xám của một bức ảnh cho trước. function ihist = imghist(img) if exist('img', 'var') == 0 42 error('Error: Specify an input image.'); end ihist = []; [rows,cols] = size(img); maxgval = 255; ihist = zeros(1,maxgval); for i=0:maxgval ihist(i+1) = sum(img(:)==i); end end 3.2.2 Giá trị trung bình (Mean) Giá trị trung bình của một bức ảnh là trung bình của tất cả các cường độ pixel trên ảnh. Giá trị này được tính cho tồn bức ảnh hoặc cho một ảnh con nào đĩ. Với một bức ảnh cĩ kích thước M × N, nĩ được định nghĩa là , ij i j x M N µ = × ∑ (3.1) M×N là tổng số pixel trên ảnh. Giá trị kỳ vọng được định nghĩa là [ ] , ( )ij ij i j E x x p x=∑ (3.2) Giá trị kỳ vọng cũng được áp dụng cho các hàm của xij. Giá trị trung vị của một bức ảnh cũng liên quan đến giá trị trung bình và được định nghĩa là giá trị ở giữa của tất cả các pixel. Vì vậy, nếu tất cả các giá trị pixel trên ảnh đã được phân loại thì giá trị ở giữa sẽ là giá trị trung vị. 3.2.3 ðộ lệch chuẩn Biến của ảnh là một đại lượng về sự thay đổi của cường độ pixel trên ảnh. Biến của ảnh, xi,j được định nghĩa là 43 ( ) 2, ,2 i j i j x N µ σ − ≡ ∑ (3.3) với µ là giá trị trung bình của ảnh và N là số pixel. σ2 là biến và σ bằng độ lệch chuẩn. Biến cĩ thể được định nghĩa theo giá trị kỳ vọng của xij như sau ( )22 E Xσ µ ≡ −  (3.4) 3.2.4 ðối xứng lệch (skewness) ðối xứng lệch là đại lượng về tính khơng đối xứng của các giá trị pixel quanh giá trị trung bình. Nếu đại lượng này âm, cường độ pixel sẽ trải thiên về phía trái hơn là về phía phải. Nếu dương, cường độ pixel sẽ trải thiên về phía phải hơn là phía trái. Skew là một phân bố được định nghĩa như sau ( )3 , 3 i jxy N µ σ − ≡ ∑ (3.5) với µ là giá trị trung bình của ảnh, σ là độ lệch chuẩn và N là tổng số pixel. Skew của bất cứ phân bố đối xứng hồn tồn nào đều bằng 0. 3.3 Cải thiện ảnh Phần này giới thiệu một số phương pháp cải thiện, hay cịn gọi là nâng cấp ảnh số. Các phép tốn cải thiện ảnh số cĩ thể được sử dụng để nâng cao chất lượng hình ảnh, loại trừ nhiễu và lỗi, hoặc để làm nổi bật lên một số đặc tính nào đĩ trên ảnh. Các phép tốn này cĩ thể khá hữu ích trong việc phát triển các kỹ thuật phân tích ảnh mammo số. 3.3.1 Các phép tốn với lược đồ xám Phần trên đã miêu tả chi tiết về cấu trúc của một lược đồ xám. Lược đồ xám miêu tả các dữ liệu trên ảnh, nhưng nĩ cĩ thể cũng được sử dụng để cải thiện ảnh. Các phép tốn cĩ thể được thực hiện trên lược đồ xám để cải thiện dạng ảnh hoặc điều chình nội dung ảnh. 44 • ðiều chỉnh lược đồ xám Một số ảnh cĩ độ tương phản thấp, nghĩa là chúng hiển thị ít khác biệt giữa các pixel sáng nhất và tối nhất. Nĩi cách khác, chúng sử dụng một phần nhỏ của dải cường độ cho phép. ðiều này thường xảy ra khi phân tích các ảnh con từ một ảnh mammo số. Hình 3.5(a) đưa ra một bức ảnh con từ ảnh trên Hình 3.2. Bức ảnh con này biểu diễn một vùng cơ ngực; chú ý rằng cĩ độ tương phản thấp. Lược đồ xám trên Hình 3.5 (b) rất hẹp. Các đặc tính trên bức ảnh con này hầu như khơng thể phân biệt được, và các pixel trên bức ảnh con này thay đổi từ 221 đến 250, chiếm 11.37 % của 255 giá trị với ảnh 8 bit. Hình 3.5(c) biểu diễn ảnh sau khi các giá trị pixel đã được điều chỉnh lại theo cả dải cường độ từ 0 đến 255. Hình 3.5(d) biểu diễn lược đồ xám sau khi điều chỉnh. Bức ảnh đã rộng hơn và cĩ nhiều chi tiết và đặc tính hơn. ðây là một ví dụ về việc điều chỉnh tỷ lệ tuyến tính đơn giản cường độ các pixel, trong một số trường hợp các phép tốn phức tạp hơn cho kết quả tốt hơn. Cường độ cĩ thể được chia mức lại để tăng độ tương phản cho các dải phổ cường độ khác nhau. Chia mức cĩ thể làm nổi bật các đặc tính rơi vào một dải cường độ nào đĩ trên ảnh. (a) Mơ ngực (b) Lược đồ xám của ảnh trên hình (a) 45 (c) Ảnh con từ (a) sau khi biến đổi lược đồ xám (d) Lược đồ xám của (c ) Hình 3.5 Ví dụ về điều chỉnh lược đồ xám để nâng cao độ tương phản của ảnh • Cân bằng lược đồ xám Một phương pháp tăng độ tương phản khác của ảnh là cân bằng lược đồ xám. Cân bằng lược đồ xám là một quy trình được sử dụng để tạo ra một ảnh mới đã được cải thiện với lược đồ xám đồng đều. Việc này được thực hiện bằng cách sử dụng một lược đồ xám luỹ tích được chuẩn hố với vai trị một hàm ánh xạ mức xám. Hình 3.6(a) biểu diễn một ảnh con từ Hình 3.2 hiển thị một phần cơ ngực. Như đã miêu tả ở trên, ảnh này cĩ độ tương phản thấp. Hình 3.6(c) biểu diễn cùng bức ảnh con đĩ sau khi đã cân bằng lược đồ xám. Hình 3.6(d) biểu diễn lược đồ xám sau khi cân bằng, và các chi tiết và đặc tính trên ảnh con đã hiển thị rõ hơn. (a) Cơ ngực (b) Lược đồ xám của ảnh trên (a) 46 (c) Ảnh con từ (a) sau khi cân bằng lược đồ xám (d) Lược đồ xám của (c) Hình 3.6 Ví dụ về cân bằng lược đồ xám Sử dụng Matlab thực hiện cân bằng lược đồ xám function ieqhist = imghisteq(img) if exist('img', 'var') == 0 error('Error: Specify an input image.'); end ieqhist = []; icdf = imgcdf(img); [rows,cols] = size(img); ieqhist = round(255*icdf/(rows*cols)); end 3.3.2 Lọc và tích chập Lọc tuyến tính một bức ảnh cĩ thể thay đổi bức ảnh theo rất nhiều cách, để cải thiện hoặc khử một số đặc tính nào đĩ. Sự khác biệt giữa lọc tuyến tính và các phương pháp cải thiện ảnh khác là việc sử dụng bộ lọc, cịn được gọi là nhân. Lọc tuyến tính được thực hiện bằng một phép tốn gọi là tích chập. Trong tích chập, giá trị của một pixel đầu vào được tính bằng tổng trọng số của các pixel lân cận. Ma trận các trọng số được gọi là nhân tích chập. Ví dụ, dùng nhân tích chập K = [1/3 1/3 1/3] cho một tín hiệu một chiều A = [1 0 1 0 1 0 1 0] cĩ tác dụng thay thế mỗi giá trị bằng giá trị trung bình của giá trị đĩ với giá trị bên trái và bên phải. Việc này cho kết quả B = [1/3 2/3 1/3 2/3 1/3 2/3 1/3 2/3 1/3 2/3]. 47 3.3.3 Làm trơn ảnh Trong một số trường hợp một bức ảnh sẽ hiển thị nhiều chi tiết hơn mức cần thiết. Nếu ta phân tích một bức ảnh cho các đặc tính tỷ lệ lớn bao gồm nhiều pixel, thì các thay đổi nhỏ giữa các pixel cĩ thể gây ra rắc rối. ðể giảm các đặc tính tỷ lệ nhỏ trên ảnh, ta sử dụng phép làm trơn ảnh. Cĩ một vài phương pháp làm trơn ảnh. Phương pháp phổ biến nhất là dùng bộ lọc trung bình. Ví dụ về bộ lọc ở phần trước là một bộ lọc trung bình. Một bộ lọc trung bình cĩ thể được coi là một phép tích phân trên ảnh. Hình 3.7 biểu diễn một ảnh X quang vú với nhiều chi tiết rõ nét. Hình 3.8 biểu diễn ảnh ở Hình 3.7 sau khi dùng một bộ lọc trung bình 20 × 20 để giảm chi tiết. Hình 3.7 Ảnh X quang vú với các chi tiết rõ nét 48 Hình 3.8 Ảnh từ Hình 3.7 sau khi sử dụng bộ lọc trung bình kích thước 20 × 20 3.3.4 Làm sắc nét ảnh ðối lập với làm trơn ảnh là phép làm nét ảnh và cĩ thể coi là một phép vi phân. Quy trình này cần một nhân đĩng vai trị tốn tử vi phân - một tốn tử làm tăng sự khác biệt giữa các pixel liền kề. Trong nhiều trường hợp, nhân được chọn là một xấp xỉ của tốn tử Laplacian. Tốn tử L được định nghĩa là 2 2 2 2 2( , ) f ff i j x y ∂ ∂∇ = + ∂ ∂ (3.6) Một xấp xỉ của (3.6) là: 2 ( , ) ( 1, ) 2 ( , ) ( 1, ) ( , 1) 2 ( , ) ( , 1)f i j f i j f i j f i j f i j f i j f i j∇ ≈ + − + − + + − + − (3.7) được viết lại thành ( 1, ) ( 1, ) ( , 1) ( , 1) 4 ( , )f i j f i j f i j f i j f i j+ + − + + + − − (3.8) 49 Tương đương với nhân tích chập 0 1 0 1 4 1 0 1 0     −     (3.9) Xấp xỉ cĩ thể được triển khai để bao gồm nhiều số hạng hơn, nhưng để minh họa thì nhân này là đủ. Tốn tử Laplacian rất hữu ích trong việc tăng cường các đường viền trong ảnh. Hình 3.9 là kết quả của việc áp dụng nhân Laplacian 3.16 lên ảnh trên Hình 3.8; biểu thị các đường biên trong ảnh. Hình 3.10 biểu diễn kết quả của ảnh gốc (Hình 3.7) đã được thêm đường viền. Hình 3.9 Phát hiện biên Laplacian trong ảnh X quang vú 50 Hình 3.10 Ảnh X quang vú với đường biên được cải thiện 3.4 Phân vùng ảnh Quy trình chia một bức ảnh thành các vùng phân biệt, cĩ nghĩa được gọi là phân vùng ảnh. Việc này rất cĩ ích trong phân tích các ảnh mammo số vì ảnh được chia thành các thành phần khác nhau và các vùng khác nhau cần quan tâm. Phần này sẽ giới thiệu một khảo sát với các ví dụ minh họa về phân vùng ảnh. Cĩ rất nhiều phương pháp phân vùng ảnh; trong số đĩ cĩ hai kiểu thuật tốn phân vùng ảnh cơ bản. Nhĩm đầu tiên bao gồm các phương pháp phân vùng ảnh bằng cách định vị đường bao của các vùng khác nhau. Các phương pháp này được gọi là kỹ thuật dựa trên đường biên. Nhĩm thuật tốn thứ hai thực hiện chia bức ảnh thành các vùng bằng cách nhĩm các pixel riêng lẻ vào các vùng khác nhau. Các phương pháp này dựa trên vùng. 3.4.1 Phân vùng ảnh dựa trên đường biên Phương pháp phân vùng ảnh theo đường biên xác định các vùng trên một bức ảnh bằng cách định vị đường biên hình thành nên đường bao của các vùng. Hình 51 3.11 minh họa một bức ảnh với các vùng đơn giản. Sử dụng nhân Laplacian ở Phần 3.3.4, đường biên trên Hình 3.11 được phát hiện và minh họa trên Hình 3.12. Hình 3.11 Ví dụ về ảnh với các vùng đơn giản Hình 3.12 Các vùng xác định bởi đường biên trên Hình 3.11 Phép tốn này rất tốt đối với các bức ảnh đơn giản. Ưu điểm của phép tốn này là nĩ khơng yêu cầu dữ liệu đã được huấn luyện hoặc kiến thức từ trước về nội dung bức ảnh. Tuy nhiên, chỉ phương pháp này thì khơng thích hợp với các bức ảnh cĩ các vùng phức tạp hơn. 3.4.2 Phân vùng ảnh dựa theo vùng Các phương pháp phân vùng ảnh dựa theo vùng thường đánh giá mỗi pixel trên ảnh và so sánh nĩ với các pixel khác để xác định các nhĩm riêng biệt. ðiều này thường địi hỏi một bộ dữ liệu huấn luyện hoặc một biểu đồ phân loại để nhĩm các pixel vào các nhĩm khác nhau. Dưới đây là một ví dụ về phân vùng ảnh dựa trên 52 vùng. Phân bố cường độ pixel trên một vùng ảnh cho trước tuân theo phân bố Poisson. Phân bố Poisson là một phân bố rời rạc miêu tả một số các sự kiện xảy ra độc lập và ngẫu nhiên theo thời gian [1]. Sự xuất hiện của các cường độ pixel trên ảnh là một ví dụ về các sự kiện như vậy. ðể sử dụng cách xác định này trong phân vùng ảnh, trước hết ta phải lựa chọn các vùng học từ ảnh. Bước tiếp theo là tính lược đồ xám cho từng vùng học đĩ. Sau đĩ lược đồ xám từ các vùng học được so sánh với lược đồ xám của các vùng xung quanh mỗi pixel trên ảnh. Phép tốn này tạo ra một khả năng là pixel cho trước thuộc về một vùng học cho trước. Vùng học cho khả năng cao nhất đối với một pixel cho trước được xem là vùng phù hợp với pixel đĩ. Vì thế pixel được phân loại vào một vùng cụ thể. Hình 3.13 biểu diễn kết quả của việc thực hiện phép phân vùng này lên ảnh ví dụ ở Hình 3.11. Hình 3.13 Phân vùng các vùng dựa trên Poisson Phương pháp này thực hiện tốt đối với ảnh ví dụ và các bức ảnh phức tạp hơn. Tuy nhiên, nĩ cần các dữ liệu học, mà khơng phải lúc nào cũng sẵn cĩ. Cũng cần chú ý rằng phương pháp này phân ra các vùng chỉ dựa trên phân bố lược đồ xám các cường độ pixel. Nĩ khơng đảm bảo phân vùng thành cơng vì các vùng cĩ thể cĩ dạng khác nhau và nội dung khác nhau trong khi cĩ cùng phân bố cường độ. 53 Chương 4 - PHÂN VÙNG NHŨ ẢNH Các thuật tốn phân vùng ảnh đã và đang được phát triển nhằm hỗ trợ quá trình kiểm tra ảnh X quang vú. Các thuật tốn đĩ phục vụ hai mục đích. Thứ nhất, các phương pháp phân vùng phổ biến nhất là tách các bất thường trên ảnh ra khỏi phần mơ bình thường. Thứ hai là các phương pháp phân vùng chia ảnh X quang vú thành các thành phần khác nhau với tỷ lệ lớn: nền, mơ vú, vùng cơ ngực. Chương này trình bày về một quy trình phân vùng tự động các ảnh số X quang vú. Nĩ phân vùng chính xác một ảnh X quang vú thành các vùng nhu mơ, cơ ngực, lớp mỡ dưới da và nền ảnh. Hình 4.1 Ảnh X quang vú với các vùng khác nhau 4.1 Tầm quan trọng của phân vùng ảnh đúng cách “Vú bao gồm hai phần chính: mơ mỡ và mơ tuyến sợi” (Sivaramakrishna). Ảnh số X quang vú hiển thị cả hai kiểu mơ này. Tuy nhiên, ảnh X quang vú cũng hiển thị các thành phần khác, thường khơng cần thiết hoặc thậm chí bất lợi cho quá trình chẩn đốn bằng máy tính. Nền ảnh X quang vú khơng đĩng vai trị gì trong việc phát hiện các dấu hiệu của ung thư, và cĩ thể gây ra lỗi tích cực sai. Phân vùng Cơ ngực Kết cấu chính của vú Nền ảnh Mỡ dưới da 54 ảnh là bước tiền xử lý quan trọng và rất cĩ ích đối với các kỹ thuật xử lý sau đĩ. Nhiều kỹ thuật thực hiện phân vùng mơ vú trước tiên, sau đĩ xác định các biểu hiện của ung thư, như các vi canxi hố hoặc các khối u. 4.2 Thuật tốn phân vùng ảnh Nhân tố quan trọng nhất khi phân vùng bằng thị giác một bức ảnh X quang vú thành các phần chính chính là cường độ tương đối của từng thành phần mức xám. Kết cấu, hình dạng và kích thước cũng là các nhân tố cần quan tâm, nhưng cường độ các vùng trên ảnh X quang vú là yếu tố quyết định kiểu mơ. Mơ đặc cĩ màu sáng hơn trên ảnh X quang vú. Nền là phần tối nhất trên ảnh, lớp mỡ dưới da sáng hơn một chút, nhu mơ sáng hơn một chút nữa và cơ ngực là phần sáng nhất trên ảnh. Trong một số trường hợp, phân vùng ảnh cĩ thể được thực hiện chính xác bằng cách chia cường độ mức xám trên ảnh thành bốn khoảng cách đều nhau, sau đĩ phân ngưỡng dựa trên các khoảng này. Trên một bức ảnh với 256 mức xám, bốn khoảng cách đều nhau cĩ thể là: [0-63], [64-127], [128-191],, và [192-255]. Hình 4.2 minh họa một bức ảnh X quang vú từ Hình 4.1 sau quy trình đơn giản này. Hình 4.2 Ảnh đã phân vùng 55 Hình 4.3 là lược đồ xám của ảnh trên Hình 4.1. Nĩ cĩ 4 khoảng cường độ chủ yếu, tương ứng với bốn vùng chính trên ảnh: vùng nhu mơ của vú, vùng cơ ngực, vùng lớp mỡ dưới da và vùng nền ảnh màu đen. Mỗi bức ảnh X quang vú ta xét đều hiển thị một phân bố cường độ duy nhất nhưng tương tự nhau. Tuy nhiên, đường biên giữa các thành phần trên ảnh X quang vú thường khơng tương ứng chính xác với các khoảng cường độ đơn giản sử dụng cho phân vùng minh hoạ trên Hình 4.2. Ta cần một kỹ thuật phức tạp hơn để xác định các khoảng. Trong chương này, ta đưa ra một kỹ thuật phù hợp để thực hiện phân vùng như mong muốn. Kỹ thuật của chúng ta xác định các ranh giới cường độ phù hợp. Khi các dải cường độ đã được xác định, các pixel trong ảnh được nhĩm lại, khi đĩ phân vùng được thực hiện đầy đủ và hiệu quả. ðể ý các đường phân chia dọc trên Hình 4.3; chúng biểu diễn ranh giới cường độ giữa các thành phần khác nhau của vú. Nếu các ranh giới này được xác định đúng, chúng sẽ được sử dụng để phân vùng ảnh. Hình 4.3 Lược đồ xám của ảnh trên Hình 4.1 với 4 khoảng được đánh dấu 56 4.2.1 Phân vùng dựa trên lược đồ xám Các kỹ thuật phân vùng ảnh X quang vú khác thường chỉ dựa trên lược đồ xám của ảnh. Một vài kỹ thuật sử dụng các thơng tin về khơng gian, như hình dạng và kết cấu của ảnh để phân vùng ảnh. Kỹ thuật đưa ra ở đây kết hợp giữa cường độ và các thơng tin khơng gian. Bước đầu tiên của thuật tốn này sử dụng lược đồ xám để xác định các ranh giới về cường độ trên ảnh X quang vú. Các lược đồ xám dễ tính tốn, và chúng mang thơng tin về cường độ trên ảnh. (Vùng được sử dụng để tính lược đồ xám cĩ thể thay đổi để thay đổi phạm vi các đặc trưng cần phát hiện, nghĩa là phân vùng). Kỹ thuật của ta sử dụng lược đồ xám để hình thành một vector đặc trưng rồi sau đĩ là đại lượng về khoảng cách để phân vùng ảnh thành các thành phần. Kỹ thuật này nhanh hơn nhiều so với các phương pháp phức tạp hơn, ví dụ mạng nơron; đồng thời khơng địi hỏi một bộ dữ liệu đã được huấn luyện. Ranh giới các thành phần trên ảnh X quang vú được đặc trưng bởi những thay đổi về cường độ pixel trên các vùng cục bộ. Ví dụ, đường ranh giới giữa cơ ngực và nhu mơ thường được thể hiện bằng một thay đổi về cường độ từ 30% đến 60%. Ranh giới giữa nền ảnh và mơ vú cũng cĩ mức thay đổi tương tự, nhưng ranh giới giữa lớp mỡ dưới da với nhu mơ thì khĩ nhận biết hơn. Phương pháp của chúng ta đánh dấu các vùng trên ảnh hiển thị các vùng cĩ mức thay đổi cường độ tương đối cao. Các vùng này được dùng để xác định các khoảng cường độ cụ thể của ảnh và phân vùng ảnh. 4.2.2 Phương pháp chênh lệch lược đồ xám ðể tính thay đổi về cường độ, lược đồ xám của ảnh được hình thành cho một vùng trên ảnh bằng cách tổng kết tần suất xuất hiện các mức xám trong vùng đĩ. Ảnh sử dụng là ảnh mức xám 8 bit. Lược đồ xám cho một bức ảnh hồn chỉnh hoặc một bức ảnh con cĩ thể được coi như một vector. Trong trường hợp này, lược đồ xám cĩ 256 giá trị, bởi thế vector cĩ 256 chiều. Tích điểm chuẩn hố của hai vector sẽ cho cosin của gĩc giữa hai vector trong khơng gian đa chiều, cho ta một cách so sánh thuận tiện và hiệu quả 57 hai lược đồ xám. Tích điểm của hai vector 1 2( , ,..., )nv v v v= v và 1 2( , ,..., )nu u u u= v được định nghĩa là: ( ) 1 n i i i v u v u = = ∗∑ v v g (4.1) Gĩc θ giữa hai vector v v và u v được xác định bằng cos( ) | | | | v u v u θ = ∗ v v g v v (4.2) với ( )2 1 | | n i i v v = = ∑ v và ( )2 1 | | n i i u u = = ∑ v Tính cosθ khơng khĩ và nĩ cung cấp một đại lượng về “khoảng cách” giữa hai vector. Gĩc này được quan sát dưới dạng một tích điểm chuẩn hố; nĩ được sử dụng như một đại lượng về độ chênh lệch giữa các cặp lược đồ xám. Nếu hai lược đồ xám giống nhau, cos của gĩc bằng 1, nếu trực giao thì cos bằng 0. Với khái niệm này, ta phát triển một phương pháp phân loại các phần trên ảnh X quang vú dưới dạng độ chênh lệch giữa các cặp lược đồ xám. Người ta cũng cĩ thể sử dụng nhiều cách kiểm tra thống kê để so sánh các lược đồ xám, ví dụ tương quan thống kê. Một số các nhà nghiên cứu đã chứng minh rằng các phân bố thống kê, ví dụ phân bố Poisson, cĩ thể được dùng để tính lược đồ xám (Linnett et al.). Tuy nhiên, trong nghiên cứu này, ta chọn tích điểm chuẩn hố vì chúng đơn giản và tính tốn nhanh, và cho một giá trị giữa 0 và 1 trong tất cả các trường hợp. ðại lượng về độ lệch giữa hai lược đồ xám của các ảnh con liền kề cho ta một phương thức rất tốt để phát hiện các thay đổi dần dần trong mật độ quang của ảnh X quang vú. Ranh giới giữa cơ ngực và mơ vú, và giữa mơ vú và nền ảnh, cĩ thể bị nhiễu làm cho mờ đi. Nhưng so sánh các chênh lệch giữa các lược đồ xám sẽ cho ta một định vị chính xác ranh giới giữa cơ ngực, mơ vú, lớp mỡ dưới da và nền ảnh. 58 ðể cơng việc này được thực hiện hiệu quả, ta xây dựng phương pháp lấy mẫu. Ảnh X quang ban đầu được chia thành các hàng và các cột, tạo thành các bức ảnh con. Các ảnh con này cĩ thể gối hoặc khơng gối lên nhau. Kích thước ảnh con cĩ thể thay đổi để thu được độ phân giải mong muốn của thuật tốn. ðể xác định chính xác ranh giới giữa nhu mơ, cơ ngực, lớp mỡ và nền ảnh, các ảnh con liền kề được sử dụng xuất phát từ trái qua phải và trên xuống dưới. Hình 4.4 minh họa ảnh X quang vú trên Hình 4.1 được chia thành các ảnh con. ðây chỉ là ví dụ; trên thực tế số lượng ảnh con lớn hơn nhiều và kích thước của chúng nhỏ hơn nhiều. Sau quy trình lấy mẫu là tính tích điểm chuẩn hố giữa các lược đồ xám của các cặp ảnh con. Tích điểm này được dùng để xây dựng một bức ảnh mới nhận biết được các thay đổi về mật độ quang trên ảnh X quang ban đầu. Ảnh mới được giảm tỷ lệ xuống. Ví dụ, nếu ảnh ban đầu là 5000 × 5000 pixel sử dụng ảnh con cĩ kích thước 10, ảnh mới sẽ cĩ 499 × 499 pixel do cột cuối cùng khơng cĩ ảnh con nào ở bên phải nĩ để so sánh. Hình 4.5 biểu diễn kết quả của phương pháp chênh lệch lược đồ xám cho ảnh trên Hình 4.1. Hình 4.5 minh họa những thay đổi nhỏ trên ảnh đi từ trái sang phải và trên xuống dưới, nhưng khơng đưa ra ranh giới giữa cơ ngực, lớp mỡ và nền ảnh. Trên Hình 4.5 các pixel sáng hơn biểu diễn những thay đổi đột ngột trong kết cấu, tương ứng với các đặc trưng nhỏ trên ảnh hoặc ranh giới quan trọng giữa các vùng. Các vùng tối hơn trên Hình 4.5 biểu diễn các vùng với thay đổi ít hơn. Hình 4.4 Ảnh X quang chia thành các ảnh con 59 Hình 4.5 Chênh lệch lược đồ xám áp dụng cho ảnh X quang vú Hình 4.6 minh họa tốt hơn mức độ hiệu quả của phương pháp chênh lệch lược đồ xám. Nĩ biểu diễn kết quả của phương pháp này chỉ sử dụng lược đồ xám 4 giá trị, thay vì lược đồ xám 256 giá trị như trên Hình 4.5. Sử dụng lược độ xám 4 giá trị cĩ hiệu ứng làm nổi bật các thay đổi quan trọng nhất trong cường độ giữa các bức ảnh. Hình 4.7 biểu diễn kết quả của phương pháp chênh lệch lược đồ với lược đồ xám 4 giá trị nằm trên ảnh X quang vú mà từ đĩ nĩ được lấy. Chú ý rằng ranh giới phù hợp cho các thành phần trên ảnh được đánh dấu bằng đại lượng chênh lệch lược đồ xám. 60 Hình 4.6 Kết quả chênh lệch lược đồ cho lược đồ xám 4 giá trị Hình 4.7 ðưa chênh lệch lược đồ xám vào ảnh X quang vú Phương pháp chênh lệch lược đồ xám 4 giá trị hoạt động tốt trong trường hợp này, nhưng trong các trường hợp khác nĩ cĩ thể khơng phát hiện được chính xác ranh giới. Khi lược đồ xám của các ảnh con được nén từ 256 xuống 4 giá trị, 61 ranh giới mà sẽ được phát hiện được đưa vào trong các khoảng cường độ sau [0-63], [64-127], [128-191] và [192-255]. ðây là các khoảng được dùng để phân vùng ảnh trên Hình 4.2. Chúng hoạt động tốt trên ảnh này. Tuy nhiên, khơng phải tất cả các ảnh X quang vú đều giống nhau. Ví dụ, Hình 4.8 là ảnh X quang vú từ Hình 4.1 với tất cả các cường độ pixel tăng 15 %. Kiểu thay đổi cường độ này khơng phổ biến đối với ảnh X quang vú, ngay cả với các ảnh trong vùng một bộ. Hình 4.8 Ảnh X quang vú với cường độ tăng 15 % Hình 4.9 biểu diễn kết quả sau khi áp dụng chênh lệch lược đồ xám 4 giá trị cho ảnh trên Hình 4.8. Chú ý rằng cĩ một số vấn đề nảy sinh. Chỉ ba vùng được phát hiện. Ranh giới giữa cơ ngực và mơ vú khơng được xác định. ðồng thời, nhiễu nổi bật trên nền ảnh và sẽ khiến kết quả khơng ra được trong mơi trường tự động. Cuối cùng, ranh giới giữa phần mơ vú và lớp mỡ và ranh giới giữa lớp mỡ và nền ảnh là khơng chính xác. Vấn đề tương tự cũng gặp phải khi các cường độ pixel trên ảnh giảm 15 %. Hình 4.10 biểu diễn kết quả áp dụng chênh lệch lược đồ xám 4 giá trị cho ảnh giảm 62 về cường độ. Trong ví dụ này, tất cả các ranh giới đều bị xác định sai, và nhiễu ở phần mơ vú khiến khơng đưa ra được kết quả. Hình 4.9 ðưa chênh lệch lược đồ xám vào ảnh X quang vú tăng 15 % Hình 4.10 ðưa chênh lệch lược đồ xám vào ảnh X quang vú giảm 15 % 63 Sử dụng lược đồ xám 4 giá trị là khơng đủ để đưa ra ranh giới giữa các thành phần ảnh. Bởi vậy, ta phát triển một phương pháp định vị các ranh giới này sử dụng lược đồ xám 256 mức. 4.2.3 Tìm ranh giới giữa các thành phần Kết quả của phương pháp chênh lệch lược đồ xám 256 giá trị, như minh họa trên Hình 4.5, tạo ra một ảnh mới trong đĩ cường độ pixel tương ứng với lượng cường độ thay đổi trong khu vực đĩ. Tuy nhiên, nhiều khu vực thay đổi thể hiện các đặc trưng tỷ lệ nhỏ trên ảnh khơng phải là các ranh giới quan trọng giữa các thành phần ảnh. ðể đơn giản quy trình phân vùng, ta sử dụng một bộ lọc trung bình, như đã nĩi đến ở phần 3.3.3. Hình 4.11 biểu diễn ảnh X quang vú sau khi sử dụng bộ lọc trung bình 30 x 30. Hình 4.12 biểu diễn kết quả áp dụng chênh lệch lược đồ xám cho bức ảnh trên Hình 4.11. Trên Hình 4.12 các vùng thay đổi rõ ràng hơn trước và cũng phù hợp hơn với các đường ranh giới đáng kể giữa các thành phần ảnh. Ta định vị các ranh giới giữa các thành phần bằng cách tạo ra một lược đồ xám cĩ trọng số của bức ảnh ban đầu với các kết quả của đại lượng chênh lệch lược đồ xám hoạt động dưới vai trị các trọng số. Ta xây dựng lược đồ xám cho ảnh ban đầu, nhưng thay vì thêm 1 cho mỗi pixem trong bức ảnh ban đầu, phương pháp của ta thêm giá trị chênh lệch lược đồ xám vào pixel đĩ trên ảnh. Tất cả các giá trị này trải từ 0 đến 1. Việc này sinh ra một lược đồ xám đã được chỉnh sưae nhấn mạnh vào các cường độ xuất hiện trong các vùng thay đổi trên ảnh. Sau đĩ các giá trị cường độ trên lược đồ xám trọng số được chuẩn hố để loại bỏ bất cứ độ lệch nào từ các vùng biên giới lớn hơn. Hình 4.13 là lược đồ xám của bức ảnh ban đầu và Hình 4.14 là lược đồ xám trọng số tạo ra với ảnh chênh lệch lược đồ xám. 64 Hình 4.11 Ảnh X quang vú với các đặc trưng tỷ lệ nhỏ được loại bỏ Hình 4.12 Kết quả chênh lệch lược đồ xám trên ảnh X quang vú đã được làm nhẵn 65 Hình 4.13 Lược đồ xám của ảnh ban đầu Sử dụng lược đồ xám trọng số trên Hình 4.14, các ranh giới mong muốn được xác định rõ ràng. Hình 4.15 biểu diễn xấp xỉ đạo hàm bậc nhất đơn giản của lược đồ trọng số đã được lấy ngưỡng ở 0. Cực đại cục bộ từ đồ thị này là các vị trí ranh giới giữa các thành phần. Hình 4.16 biểu diễn mối quan hệ giữa lược đồ xám trọng số và ảnh chênh lệch lược đồ xám. Trên Hình 4.16, các vùng được khoanh trịn trong lược đồ xám trọng số là ranh giới giữa các thành phần trên ảnh. Các mũi tên biểu thị vị trí các ranh giới lược đồ xám trọng số trên ảnh chênh lệch lược đồ xám. Bằng cách sử dụng lược đồ xám trọng số, ta đã định ví chính xác ranh giới cường độ phù hợp cho các thành phần ảnh và phân vùng ảnh ban đầu. Hơn nữa, ảnh đã được điều chỉnh minh họa trên Hình 4.8 đến 4.10, khơng được phân vùng chính xác bằng phương pháp chênh lệch lược đồ xám 4 giá trị, cũng đã được phân vùng đúng. Các bức ảnh này giống như ảnh ban đầu, ngoại trừ việc các giá trị pixel đã thay đổi 15 %. Bởi vậy, các lược đồ xám trọng số gần như giữ nguyên. Sự khác biệt duy nhất là chúng dịch chuyển sang bên trái hoặc phải 15 %. Ranh giới được khoanh trịn trên Hình 4.15 biểu thị các cường độ pixel tương ứng với ranh giới của các thành phần trên ảnh. Trong ví dụ này, ranh giới giữa các cường độ là 45, 81, 188 và 244. Từ đĩ, các pixel cĩ giá trị từ 0 đến 45 là nền ảnh. Các pixel từ 45 đến 81 là lớp mỡ. Các pixel từ 81 đến 188 là phần mơ vú, cịn các pixel từ 188 đến 244 là cơ ngực. 66 Hình 4.14 Lược đồ xám trọng số của ảnh ban đầu Hình 4.15 Vị trí của các ranh giới giữa các phần (khoanh trịn) 67 Hình 4.16 Mối quan hệ giữa lược đồ xám trọng số và ảnh chênh lệch lược đồ xám 4.2.4 Thêm bối cảnh khơng gian Phương pháp chênh lệch lược đồ xám giới thiệu ở phần trên cho ra ranh giới giữa các thành phần trên ảnh X quang vú. Tuy nhiên, các ranh giới này cĩ dạng cường độ pixel. ðể phân vùng ảnh thành các phần riêng biệt, cường độ pixel phải được áp dụng cho ảnh X quang vú. 68 Sử dụng ranh giới về cường độ, ra phân ngưỡng ảnh X quang ban đầu. Quy trình này cho ra ảnh trên Hình 4.18. Chú ý rằng cĩ một số pixel bị phân loại nhầm. Các pixel này được định vị về khơng gian trong một thành phần nhưng giá trị cường độ của chúng lại nằm ngồi phạm vi phát hiện với thành phần đĩ. ðể phân vùng phù hợp và phân tích chuẩn, chúng cần được thay đổi để phù hợp với vùng chúng thuộc về. ðiều này dễ dàng được thực hiện bằng cách thực hiện phép tốn ăn mịn trên ảnh. Phép tốn ăn mịn kiểm tra từng pixel trên ảnh và nếu một pixel nào đĩ khác với 4 trong 8 pixel lân cận của nĩ, nĩ được thay đổi để phù hợp với 4 pixel đĩ. Nĩi cách khác, nếu pixel nổi bật lên trên nền của nĩ, nĩ sẽ được thay đổi cho phù hợp với nền. Việc này loại bỏ các pixel bị phân loại sau khỏi bức ảnh phân vùng. Hình 4.18 biểu diễn ảnh từ Hình 4.17 sau phép tốn ăn mịn. Nhiều pixel bị phân vùng sai đã được chỉnh lại, nhưng vẫn cịn một số. ðể hiệu chỉnh điều này, quy trình ăn mịn được lặp lại nhiều lần. Tuy nhiên, quy trình lặp này sinh ra độ lệch trên ảnh. ðộ lệch này xuất hiện từ trình tự mà các pixel được kiểm tra. Nếu ta bắt đầu ăn mịn các pixel bị phân loại sai từ gĩc trên cùng bên trái của bức ảnh, thì các pixel đĩ sẽ chi phối bức ảnh và kết quả là khơng thích hợp. ðộ lệch sinh ra khi thực hiện 10 phép tốn ăn mịn từ Hình 4.17 cĩ thể quan sát được trên Hình 4.19. ðể loại bỏ độ lệch, ta tạo ra một trình tự ngẫu nhiên của các pixel trên ảnh, sau đĩ ăn mịn ảnh theo trình tự ngẫu nhiên đĩ. Quy trình này đưa ra một bức ảnh đã được phân vùng khơng phụ thuộc vào độ lệch theo vị trí. Hình 4.20 biểu diễn ảnh phân vùng chính xác, tạo ra bằng cách thực hiện ăn mịn ngẫu nhiên 10 lần cho ảnh trên Hình 4.17. Ảnh đã được phân vùng đúng. Tuy nhiên, cịn một bước nữa trước khi các thành phần phân vùng cĩ thể được xử lý riêng biệt. Các vùng đã được phân ra cần được nhĩm lại thành các nhĩm riêng lẻ và trích chọn vào các ảnh khác nhau. ðiều này cho phép chúng được xử lý riêng biệt. Một thuật tốn để tạo các nhĩm pixel liền kề của các màu giống nhau được giới thiệu trong Chương 6. Thuật tốn nhĩm và trích chọn các thành phần đã phân vùng trên Hình 4.20. Các nhĩm trích chọn được minh họa trên Hình 4.21 và biểu diễn cơ ngực (trên bên trái), nhu mơ (trên bên phài), lớp mỡ (dưới bên trái) và nền (dưới bên phải). 69 Hình 4.17 Ảnh X quang vú phân ngưỡng theo ranh giới về cường độ Hình 4.18 Ảnh phân vùng đã giảm các pixel phân loại nhầm 70 Hình 4.19 Ảnh phân vùng bị lỗi Hình 4.20 Ảnh phân vùng chuẩn 71 Hình 4.21 Các thành phần ảnh trích thành các ảnh riêng biệt 4.2.5 Phân vùng các ảnh X quang vú đặc Một số ảnh X quang vú hiển thị mơ vú đặc (mật độ cao) gây khĩ khăn cho phân vùng và quét. Hình 4.22 là ảnh X quang cú cĩ mơ tuyến sợi đặc. Hình 4.23 là phân vùng của ảnh này. Trong ví dụ này các vùng mơ tuyến sợi đặc được phân vùng riêng biệt khỏi phần nhu mơ của vú. Việc này cho phép các thuật tốn quét ảnh X quang vú phân tích các vùng tách rời nhau. 72 Hình 4.22 Ảnh X quang vú với mơ tuyến sợi đậm đặc Hình 4.23 Ảnh phân vùng với mơ tuyến sợi đậm đặc 73 4.3 Tổng kết về quá trình phân vùng Thuật tốn phân vùng được cải tiến cho các ảnh X quang vú trình bày trong chương này thực hiện phân vùng chính xác ảnh X quang vú thành các thành phần nhu mơ, cơ ngực, lớp mỡ dưới da và nền ảnh. Phương pháp của chúng ta phù hợp để phân vùng một bộ nhiều ảnh, và khơng giống các kỹ thuật khác, nĩ khơng yêu cầu các dữ liệu đã được học. Các bước của quá trình phân vùng là: 1. Ảnh được làm trơn sử dụng bộ lọc trung bình để loại bỏ các đặc trưng tỷ lệ nhỏ. 2. Sử dụng phương pháp chênh lệch lược đồ xám để tạo ra một ảnh mới. 3. Lược đồ xám trọng số được tạo ra sử dụng ảnh chênh lệch lược đồ xám dưới dạng các trọng số. 4. Xấp xỉ đạo hàm bậc nhất của lược đồ xám trọng số cung cấp ranh giới về cường độ trên ảnh. 5. Ảnh được phân ngưỡng theo ranh giới về cường độ. 6. Ảnh phân vùng theo ngưỡng được ăn mịn nhiều lần để loại bỏ các pixel bị phân loại nhầm. 7. Các thành phần riêng biệt được trích từ ảnh phân vùng cuối cùng sử dụng thuật tốn miêu tả chi tiết ở Chương 6. 74 Chương 5 - PHÁT HIỆN CÁC KHỐI U TRÊN ẢNH X QUANG VÚ Các khối u vú cĩ thể được xác định trên các ảnh số X quang vú bằng cách phân tích trên máy tính nhiều thơng số thống kê về các đặc trưng từ ảnh này. Bất kỳ thuật tốn nào dùng để phân tích các ảnh X quang vú số hĩa đều cĩ thể vừa tốn thời gian vừa khơng thành cơng bởi cĩ nhiều vùng trên các bức ảnh này giống khối u nhưng lại khơng phải là khối u. Do đĩ, lỗi tích cực sai sẽ làm mất đi tính hiệu quả của thuật tốn. Chương này sẽ trình bày một thuật tốn đơn giản - hiệu quả để định vị và ghi lại các vùng nghi ngờ trên ảnh X quang vú. Thuật tốn đưa ra ở đây gồm 3 bước. ðầu tiên ta sử dụng một mẫu để xác định và ghi lại các pixel nghi ngờ. Sau đĩ là một nhĩm các pixel nghi ngờ, và cuối cùng nhĩm các pixel nghi ngờ này sẽ được kiểm tra lại bằng một mẫu điều chỉnh phù hợp với kích thước chính xác của khối cĩ thể là khối u. 5.1 Thuật tốn định vị khối u trong ảnh X quang vú số hĩa Cĩ nhiều phưong pháp sử dụng sự hỗ trợ của máy tính để phát hiện các khối u trong ảnh chụp vú số hĩa. Các phương pháp này cĩ thể được phân loại trên cơ sở các pixel hoặc các vùng. Phương pháp dựa trên pixel trích rút các đặc trưng cĩ tính thống kê từ mỗi pixel riêng biệt trong ảnh chụp vú và sử dụng sơ đồ phân loại để xác định và ghi lại các pixel quan tâm. Trong một số trường hợp, thực hiện kiểm tra sâu hơn cĩ thể biết được khối u biểu thị bởi các pixel này là lành tính hay ác tính. Một phương pháp khác là dựa trên vùng và nĩ kiểm tra tồn bộ các vùng của ảnh chụp vú để tìm khối u. Chương này trình bày một phương pháp lai giữa hai phương pháp nhằm kiểm tra cĩ máy tính hỗ trợ để tìm khối u. Ta áp dụng bước thu hẹp trọng tâm phân tích mọi pixel trong bức ảnh vào một nhĩm các pixel, đĩ là các vùng trên ảnh. Các vùng ảnh này được kiểm tra để xác định chúng cĩ chứa khối u hay khơng. Các vùng cĩ khả năng chứa khối u sau đĩ sẽ được trích rút và xử lý tiếp. Quá trình xử lý này sử dụng nhiều mức kiểm tra nhằm lọc ra các vùng nghi ngờ. Cách làm này làm tăng hiệu suất và giảm sai lệch cho các ảnh được kiểm tra. Kỹ thuật của ta sử dụng một dạng đối sánh mẫu ở các tỷ lệ khác nhau để định vị các pixel trên ảnh cĩ thể là một phần của khối u. Ảnh kết quả được phân ngưỡng phù hợp để xác định trước mức độ chính xác và sau đĩ các pixel cịn lại được nhĩm 75 với nhau và trích rút ra. Chương này đưa ra các mẫu, thuật tốn đối sánh mẫu, và phân ngưỡng thích hợp. Kỹ thuật của ta sử dụng một bộ 156 ảnh từ 39 ảnh chụp X quang vú. 5.2 Thuật tốn phát hiện khối u 5.2.1 Một mẫu cho các khối u trong ảnh X quang vú Một khối u trong một ảnh chụp vú cĩ thể là lành tính hoặc ác tính. ðể kiểm tra các khối u ác tính, chúng ta cần phải xây dựng một mẫu mà cĩ thể đối sánh với các tính chất của khối u trong cơ sở dữ liệu chúng ta đã xây dựng. Các khối u cĩ xu hướng cĩ cường độ lớn hơn các vùng xung quanh chúng. Chúng hơi trịn, cho dù chúng hiển thị yếu hoặc cĩ đường bao mờ với các mơ xung quanh. Hình 6.1 là một ví dụ về khối u ung thư được xác định bên trong vịng trịn đứt nét. Chúng ta chỉ ra và xác định các vật trong một ảnh chụp vú bằng cách so sánh ảnh này với mẫu đã chọn. Mẫu này được xây dựng từ một phần của ảnh khác, ảnh này cho biết các tính chất trực quan và thống kê của các đối tượng đang được tìm kiếm. Chúng tơi đã kiểm tra một cách kỹ lưỡng các mẫu cĩ thể và chọn ra các mẫu hiệu quả nhất đối với ảnh chụp vú trong nghiên cứu này. Hình 5.1 Ví dụ về khối ung thư 76 ðể kiểm tra các mẫu, ta thu thập một bộ ảnh chụp vú với các khối u ác tính. Các ảnh này đi kèm với bệnh lý học, điều này sẽ cho biết các đường bao của các khối u ác tính. Các ảnh chụp vú này cĩ tổng cộng 80 khối u ác tính (ung thư) do các bác sĩ X quang và khoa bệnh lý học xác định. Sử dụng 80 khối u này, ta sẽ ghi lại chất lượng của mỗi mẫu và đưa ra một lựa chọn dựa trên các kết quả này. Ta sử dụng một tương quan thống kê để so sánh một mẫu với khối u thực tế. Sự so sánh này sẽ được thảo luận chi tiết trong phần tiếp theo. Do kích thước vị trí của mỗi khối u thực tế là biết được, nên một mẫu cĩ cùng kích thước cĩ thể được tạo ra và đặt tại tâm của vị trí này để so sánh. Tuy nhiên, vẫn cĩ thể cĩ sai sĩt nhỏ trong khi so sánh, khi mà mẫu này khơng đặt chính xác tại tâm của khối u hoặc khi mẫu cĩ kích thước khác với kích thước của khối u đang được quan sát. Sử dụng kỹ thuật này để so sánh, bốn mẫu khác nhau được lựa chọn: một khối cầu chiếu theo 2 chiều, một hàm lượng giác hypecpol 2-D, một vịng trịn đơn, và một khối u ác tính trên thực tế, minh họa từ Hình 5.2 –đến Hình 5.5. Khối cầu này được chiếu theo 2 chiều (như minh họa ở Hình 5.2) được tạo ra từ phương trình (5.1) theo giả thiết của Brake và Karssemeijer. D là đường kính của mẫu. F(x,y) = D2 – x2 – y2 (5.1) Hàm lượng giác đường hypecbol 2-D được minh họa ở hình 5.3 được sinh ra từ phương trình 5.2 theo giả thuyết của Morrison và Linnett: F(x,y) = sec h(x+y) (5.2) Hình 5.2 Mẫu hình cầu 77 Hình 5.3 Mẫu hàm lượng giác 2-D Hình 5.4 Mẫu hình trịn đơn giản Hình 5.5 Mẫu khối u ác tính Các khối u trong ngực thường cĩ hình trịn và đối xứng. Các mẫu trong ví dụ này cũng đồng dạng và cĩ hình trịn; do đĩ, các lỗi về định hướng được bỏ qua. 78 Mọi điểm trong một ảnh X quang vú đều được tính đến trong quá trình đối sánh mẫu, cĩ nghĩa là tâm của bất kỳ một khối u cĩ thể tồn tại nào cũng được xét đến. ðiều này loại bỏ bất kỳ lỗi nào từ các so sánh mẫu mà khơng nằm tại tâm của khối u. Việc tiên lượng sơ bộ đối với sự lựa chọn các mẫu khác nhau là độ nhạy mẫu đối với các lỗi tỷ lệ. Khi một mẫu được so sánh với các phần của một ảnh chụp vú, thì người ta thường xác định cụ thể lại cỡ của mẫu. Quá trình định cỡ lại mẫu này cĩ thể sẽ khác với kích thước khối u thực tế trên ảnh. Quá trình định cỡ lại này sẽ tạo ra các lỗi mức. Trong một nghiên cứu khác, các mẫu của đa tỷ lệ được sử dụng như một phần của quá trình đối sánh mẫu (Brake và Karssemeijer); nĩ sẽ cĩ ít thuận lợi hơn đối với một đơn tỷ lệ. Do đĩ, khi một mẫu được lựa chọn và sau đĩ được sử dụng để kiểm tra một ảnh, một mẫu đơn, mà sẽ đối sánh các khối u với các kích thước thay đổi, là điều mong muốn. ðể đánh giá 4 mẫu đã chọn cho độ nhạy và mức phù hợp, mỗi mẫu đều được so sánh với tất cả 80 khối u trong thực tế. Một mẫu được tạo ra cĩ kích thước chính xác của một khối u và cho mỗi mức của đa mức được sử dụng. ðiều này cho phép đánh giá tính hiệu quả của mỗi mẫu đối với các khối u cĩ kích thước thay đổi. Sự tương quan thống kê giữa mẫu này và khối u thực tế tạo ra một giá trị trong khoảng –1 và 1, trong đĩ 1 chỉ ra một đối sánh chính xác. Bảng 5.1 cho thấy sự tương quan trung bình giữa mỗi mẫu với 80 khối u và trong đĩ các mẫu và các khối u này là cùng kích thước. Mẫu lượng giác cĩ sự tương quan cao nhất (tốt nhất). Nĩ là tốt nhất bởi vì sự tương quan càng cao thì các kết quả đặt ngưỡng càng tốt hơn, cụ thể chúng ta cĩ thể xác định các kết quả được kỳ vọng là đúng tốt hơn. Hình 5.6 cho thấy bốn mẫu tương quan với các khối u đã biết khi kích thước của chúng được định mức. Biểu đồ này cho thấy các kết quả của các mẫu tương quan phân chia từ 0,1 tới 2 lần kích thước của khối u thực tế. Mẫu thực hiện tốt nhất trong kiểm tra này cùng là mẫu lượng giác minh họa ở hình 5.6. Nĩ cĩ độ ổn định cao nhất (tốt nhất) và ít nhạy với các lỗi tỷ lệ. Chú ý: tất cả các mẫu kém hoạt động bất cứ khi nào mức này khác một cách đáng kể so với kích thước của chúng. ðặc biệt, khi kích thước mẫu nhỏ hơn vài lần kích thước khối u thực tế, các kết quả này khơng thỏa mãn. Tuy nhiên, khi các kích thước mẫu là lớn hơn các kích thước khối 79 u thực tế kết quả này sẽ giảm chậm và cĩ thể sử dụng được. Do đĩ, lựa chọn kích thước mẫu quá to sẽ tốt hơn chọn một cái quá bé. Từ điều này, mẫu lượng giác tốt hơn các mẫu khác đã được nghiên cứu. Bảng 5.1 Mẫu trung bình đối với các giá trị tương quan khối u Mẫu Tương quan trung bình Lượng giác 0,7992 Khối u 0,6470 Hình trịn 0,5480 Khối cầu 0,7502 5.2.2 Các phương pháp đối sánh mẫu Cĩ một vài cách so sánh một mẫu với một ảnh chụp X quang vú. Một số sử dụng tích chập hoặc một phương pháp dựa trên tương quan chéo, điều này sẽ hết sức hiệu quả khi sử dụng phương pháp biến đổi Fourier nhanh (FFT). Tuy nhiên, người thực hiện luận văn phát hiện ra rằng phương pháp tích chập với mẫu lượng giác cĩ thể bị lộn xộn do sự thay đổi trong cường độ ảnh chụp vú cục bộ. Ví dụ, một khối u cĩ thể xuất hiện sáng hơn một cách đáng kể so với cường độ trung bình của các vùng xung quanh nĩ, nhưng khi so sánh với tất cả các vùng và các mơ khác trong ảnh, nĩ cĩ thể tối hơn cường độ tổng thể trung bình của ảnh. Khối u này cĩ thể sẽ bị bỏ qua nếu đang sử dụng một tích chập dựa trên thuật tốn đối sánh mẫu. Hình 5.7 là một ví dụ, mà trong đĩ một khối u trên một vùng ảnh cục bộ được xác định đúng bằng một phương pháp tích chập sử dụng mẫu lượng giác. Hình bên trái của hình 5.7 là ảnh thực của khối u này và hình bên phải là kết quả từ việc định ngưỡng tích chập với mức thích hợp. 80 Hình 5.6 ðộ nhạy tỷ lệ của các mẫu Hình 5.7 Khối u (trái) và phát hiện khối sử dụng tích chập (phải) Kết quả này sẽ khơng hiệu quả như ví dụ này khi quá trình này được tiến hành trên tồn bộ ảnh chụp vú. Hình 5.8 cho thấy một ảnh chụp vú cĩ một khối u. Hình 5.9 minh họa các kết quả đặt ngưỡng của tích chập trên tồn bộ ảnh. Các kết 81 quả đã chập này phù hợp với các vùng cường độ cao, bao gồm vùng cơ ngực của ảnh. Trong tình huống này, khối u khơng được định vị một cách chính xác. Do đĩ, phương pháp tích chập khơng phù hợp như một thuật tốn xác định vị trí khối u hiệu quả với ảnh này. Một phương pháp thay thế khác cĩ thể sẽ tương quan giữa mẫu này và mỗi điểm ảnh trong ảnh, trong đĩ ảnh nhỏ bao quanh mỗi điểm ảnh là cùng kích thước với mẫu. Thuật tốn đối sánh mẫu dựa trên cơ sở tương quan khơng thiên về sự thay đổi cường độ và nhạy với các đặc trưng của hình dạng (Brake và Karssemeijer). Cơng thức được sử dụng cho sự tương quan giữa mẫu và ảnh gốc như sau: cov( , )( , ) cov( , ) x y xy x y x y cor x y x y σ σ µ µ µ ≡ ≡ − (5.3) trong đĩ cov(x,y) là liên hiệp biến của mẫu, x, và ảnh nhỏ, y, bao quanh điểm ảnh. σx và σy là các độ lệch chuẩn của mẫu này và ảnh nhỏ. µx và µy là trung bình của mẫu và ảnh nhỏ. µxy là trung bình của mỗi điểm ảnh trong mẫu nhân bởi mỗi điểm ảnh. Kết quả áp dụng sự tương quan ảnh này trở về một ảnh mới, nhận giá trị giữa -1 và 1. Khi giá trị tương quan càng gần với 1, sự tương tự giữa mẫu và các điểm ảnh đang được kiểm tra càng lớn. Nghĩa là các điểm ảnh tạo ra một giá trị tương quan gần với 1 tương tự với mẫu khối u. Hình 5.10 cho thấy các kết quả áp dụng sự tương quan này với ảnh minh họa trên hình 5.8. ðể xác định các vùng trên ảnh, vùng này chắc chắn cĩ khối u, một ngưỡng được sử dụng với các giá trị tương quan. Trong ví dụ này, các điểm ảnh với các giá trị tương quan là 0,75 hoặc lớn hơn cĩ khả năng xuất hiện khối u cao. Hình 5.11 biểu thị các kết quả của việc định ngưỡng này với ảnh minh họa trên hình 5.10. Mức ngưỡng giảm số lượng các giá trị điểm ảnh cần xem xét và định vị phần ảnh gốc mà cĩ khả năng xuất hiện khối u cao. Trong hình 5.11, vùng trắng cho thấy vị trí khối u trong ảnh X quang chụp vú. 82 Hình 5.8 Ảnh X quang vú cĩ chứa khối u Hình 5.9 Kết quả từ tích chập mẫu với ảnh trên Hình 5.8 83 Hình 5.10 Kết quả đối sánh mẫu dựa trên tương quan Hình 5.11 Kết quả được lấy mẫu và giãn của đối sánh mẫu tương quan 84 5.2.3 Nhĩm và phân vùng các vùng nghi ngờ Ví dụ ở phần trước đã mơ tả làm thế nào để định vị một khối u trong một ảnh X quang chụp vú bằng cách thực hiện một sự tương quan sau khi đặt ngưỡng. Mức ngưỡng trong ví dụ trước được chọn bằng tay. Trong thực tế, một ngưỡng sẽ cĩ giá trị thấp hơn mức tối ưu. Nĩ được thực hiện sao cho một vài khối u bị mất đi bởi sự phân tích. Khi một giá trị ngưỡng được giảm đi, người ta thường định vị được nhiều khối u hơn. Hình 5.12 cho thấy kết quả của việc đặt ngưỡng ảnh trên hình 5.11 với một giá trị ngưỡng là 0.60. ðiều này tạo ra một vài cụm của các điểm ảnh cĩ thể là khối u trong ảnh thu được. Chỉ cĩ duy nhất một khối u trong thực tế. ðối với điểm này, quá trình xử lý hồn tồn dựa trên các điểm ảnh. Mỗi điểm ảnh cần được xử lý độc lập với các điểm ảnh khác trên bức ảnh. Tuy nhiên, các điểm ảnh được minh họa trên hình 5.12 là các phần của các cụm khác nhau. Chương 6 trình bày một thuật tốn nhĩm và trích rút nhĩm các điểm ảnh liên quan. ðiều này cho phép các vùng chứa các điểm ảnh tương tự nhau được xử lý cùng với nhau. Hình 5.13 minh họa 4 cụm điểm ảnh phân biệt trong hình 5.12. Mỗi cụm cĩ khả năng là một khối u và cần được xử lý thêm và so sánh với bệnh lý học của nĩ. Hình 5.12 Các kết quả tương quan phân ngưỡng với 0.6 85 Hình 5.13 Các khối cĩ khả năng được trích rút 5.2.4 Cải thiện đa tỷ lệ Với các nhĩm pixel khác nhau, minh họa trên Hình 5.13, một bước đa tỷ lệ được thêm vào thuật tốn phát hiện khối u của ta. Phần 5.2 trình bày về các vấn đề lựa chọn mẫu cĩ kích thước khác với kích thước khối u được nghiên cứu. Khi mẫu lớn hơn hoặc nhỏ hơn nhiều khối u quan tâm, cĩ thể khối u khơng được phát hiện. Một giải pháp cho vấn đề này là kiểm tra tồn bộ ảnh với các mẫu kích thước khác nhau. Tuy nhiên, việc này mất thời gian và khơng hiệu quả. Cách giải quyết của ta là tương quan mẫu chỉ trên những nhĩm pixel và sử dụng các mẫu đa kích thước. Cách này cĩ những ưu điểm sau: • Các nhĩm pixel chỉ là một phần nhỏ trên ảnh và vì thế, kiểm tra đa tỷ lệ sẽ dễ dàng về tính tốn. • Kích thước chính xác của nhĩm pixel đã được xác định, vì thế một mẫu nào đĩ cĩ thể được tạo ra cho kích thước này và sử dụng với ảnh ban đầu để loại bỏ các sai số về tỷ lệ. • Vị trí chính xác của nhĩm pixel đã biết; vì thế, mẫu này cĩ thể được đặt vào tâm của nhĩm, thay vì ở một vị trí ngồi tâm. Việc này tăng tốc độ hiệu chỉnh. 86 ðể minh họa, 4 khối khả năng được biểu diễn trên Hình 5.13 được trích rút ra từ ảnh X quang vú trên Hình 5.14. Với mỗi khối trong số này, ta tạo ra một mẫu lượng giác. Sau đĩ tương quan thống kê được tính giữa mẫu kích thước chuẩn và đặt ở tâm với khối khả năng. Bảng 5.2 đưa ra các kết quả. Các khối khả năng cho giá trị tương quan nằm giữa 0.5448 và 0.8583. Khối thực tế cho giá trị tương quan cao nhất là 0.8583. Ba khối kia là lỗi tích cực sai. Các kết quả của quá trình đa tỷ lệ này phân biệt giữa khối thực (từ bệnh lý học) với các lỗi tích cực sai. Với ảnh X quang vú này, cĩ thể xác định và loại bỏ lỗi tích cực sai bằng cách dùng giá trị phân ngưỡng cao hơn. Lỗi tích cực sai cĩ thể được giảm đi bằng cách thêm vào ngưỡng này. Hình 5.14 Các khối khả năng trên ảnh X quang vú 87 Bảng 5.2 Các kết quả tương quan đa tỷ lệ với các khối khả năng ðối tượng Kích thước (pixel2) Tương q