Phân đoạn và xây dựng mô hình 3D từ ảnh OCT thí nghiệm trên cột sống chuột

Nội dung text: Phân đoạn và xây dựng mô hình 3D từ ảnh OCT thí nghiệm trên cột sống chuột

1. PHÂN ĐOẠN VÀ XÂY DỰNG MÔ HÌNH 3D TỪ ẢNH OCT THÍ NGHIỆM TRÊN CỘT SỐNG CHUỘT SEGMENTATION AND 3D RECONSTRUCTION FROM IMAGING OCT EXPERIMENTS ON MOUSE SPINE Nguyễn Văn Bình1 ,Lê Mỹ Hà2, 1 Học viên Cao học Trường Đại học Sư phạm Kỹ thuật TP.HCM 2Trường Đại học Sư phạm Kỹ thuật TP.HCM TÓM TẮT Trích xuất đối tượng trong ảnh 2D chụp từ các thiết bị thu nhận ảnh trong bệnh viện như máy X-Quang, CT, MRI, OCT, và xây dựng ảnh 3D để có được sự nhìn nhận tổng quan là vấn đề quan trọng, nó giúp bác sĩ chẩn đoán bệnh lâm sàn chính xác hơn. Máy chụp cắt lớp quang học (OCT) với ưu điểm độ phân giải cực cao, chụp ảnh không xâm lấn là công cụ đang được đẩy mạnh sử dụng để nghiên cứu các đối tượng trong y học. Tuy nhiên ảnh thu được từ máy OCT có nhiễu hạt và nhiễu muối tiêu cực nhiều nên gây khó khăn trong quá trình trích xuất một đối tượng, một số phương pháp phân đoạn thông thường không thực hiện được. Bài báo này đề xuất phương pháp phân đoạn dựa vào đường bao động để trích xuất đối tượng tủy sống từ ảnh OCT chụp trên cột sống chuột. Phương pháp đã trích xuất được tủy sống và thực hiện một cách tự động. Sau đó là tạo mô hình ảnh 3D tủy sống từ dữ liệu ảnh 2D đã phân đoạn. Từ khóa: Chụp cắt lớp quang học, tăng cường ảnh, lọc nhiễu, xử lý hình thái, phân đoạn, xây dựng ảnh 3D ABSTRACT Extracting object in 2-D images which are taken by image acquisition devices in medical such as X-ray, CT, MRI, OCT,etc. and reconstructing 3D images to get a general observation that is a significant problem. This method will assist to diagnose clinical diseases more accurately. Optical coherence tomograpgy (OCT) with such advantages as high resolution ann non-invasive imaging is a device that has been more and more promoted for research of objects in the medical field. However, images obtained from OCT contain noise and salt-pepper noise, which cause many difficulties in the extraction process and several segmentation methods to be unworkable. This paper proposes a novel segmentation methods based on dynamic boundary to extract spinal cord objects from OCT images which are taken on the spine of mouse. This method has successsfully extracted the spinal cord and worked automatically, followed by 3D image creation of spinal cord from segmented 2D image data. Key words: OCT, enhancing images, noise filter, morphology, segmentation, 3D reconstruction nhiễu cực cao, nhiễu hạt và nhiễu muối tiêu 1. GIỚI THIỆU cực nhiều, đường biên không rõ ràng làm cho Với công nghệ chụp cắt lớp quang học phân đoạn ảnh trở nên khó khăn. Để phân (OCT) là kỹ thuật chụp ảnh không xâm lấn và đoạn và trích xuất đối tượng trong ảnh y học được giới thiệu bởi Huang vào năm 1991 [1]. thường dùng hai hướng chính đó là dựa vào Kỹ thuật này, hình ảnh thu được bằng cách gradient ảnh và không dựa vào gradient ảnh. quét tuyến tính theo trục A hoặc trục B, hoặc Phân đoạn dùng đường viền hoạt động đó là hình ảnh cắt ngang (cross-sectional images), một đường cong được xem như một con rắn ảnh thu được có cấu trúc hiển vi đến từng mô trên cơ sở gradient ảnh như phương pháp sống với độ phân giải cao (̴ 2-10μm) [2], thời Gradient Vector Flow Snakes [3], phương gian quét hình ảnh nhanh và ảnh thu được theo pháp Snake: Active Contour [4]. Ưu điểm của thời gian thực. Tuy nhiên ảnh thu được có độ phương pháp là dễ thao tác, tự thích ứng với
2. quyết vấn đề vách ngăn tối thiểu để tìm vách ngăn tốt nhất giữa bên trong và bên ngoài của Thu nhận đường cong, kết hợp kỹ thuật phân đoạn ảnh Momford – Shah [6] và phương pháp level set [7] để tìm ranh giới của đối tượng. 2.1.Trƣờng hợp vô hƣớng Tiền xử lý 2 ảnh Gọi Ω là tập con của IR ,  là đường biên. Ảnh u0:  →R, đường cong từng phần C(s). Trường hợp ảnh vô hướng thì để tìm biên của đối tượng thì ta tối thiểu hàm năng lượng Phân đoạn sau [8]: ảnh F(,,).() c c C  Length C 2  u(,) x y c dxdy 0 Xây dựng inside() C (1) ảnh 3D 2  u(,) x y c dxdy 0 Hình 1: Lưu đồ giải thuật outside() C trạng thái tổi thiểu năng lượng, thích hợp với Trong đó C là đường cong ban đầu. c+, c- là ảnh có đường biên rõ ràng. Bên cạnh đó thì có cường độ trung bình các điểm ảnh bên trong nhiều nhược điểm, để thực hiện được quá trình và bên ngoài đường cong C. μ >0, λ+ >0, λ->0, phân đoạn ta phải chọn các thông số phù hợp là các tham số trọng lượng xác định thời gian cho đường cong ban đầu, phụ thuộc vào vị trí phù hợp, có thể thay đổi. Khi μ lớn thì phát khởi tạo đường cong, chỉ thích hợp cho những hiện các đối tượng lớn, μ nhỏ thì phát hiện các ảnh có đường biên rõ ràng nên không thực đối tượng nhỏ. Đường biên được phát hiện dựa + - hiện được trên ảnh OCT. Ngoài ra phương vào hai vùng u0≈c , u0≈c với cạnh đường cong pháp phân đoạn dựa vào gradient ảnh để tìm C. Đường cong C là ranh giới của đối tượng, đường biên ảnh thì phụ thuộc vào các phương đối tượng là một trong hai khu vực c+ hoặc c-. pháp toán tối ưu và các tiêu chuẩn hội tụ nên thường xảy ra sự hội tụ không chính xác, Chuyển động của đường cong được định nghĩa không tìm đúng các đường biên mong muốn. [8]:   div Trong bài báo này đề xuất phương pháp t  (2) phân đoạn ảnh dựa trên đường bao động, 2 (0,,)x y 0 z (,), x y t [0, ),(,) x y IR phương pháp thích hợp cho cả ảnh gradient và ảnh non-gradient, xử lý được đối tượng có Trong đó ϕ là hàm thiết lập cấp độ, bằng đường biên không rõ ràng. Cụ thể là phân phương trình tiến hóa đường cong này thì sự di đoạn dữ liệu ảnh OCT cột sống chuột. Đặc biệt chuyển của đường cong C dựa vào đường là phương pháp phân đoạn tự động, thuận tiện cong trung bình. cho việc xử lý nhiều ảnh cùng một lúc. Sau khi phân đoạn xong, dựa vào iso – surface mà cụ Hàm Heaviside được định nghĩa: thể là thuật toán Macrching Cubes [5] để xây 10if z dựng ảnh 3D từ dữ liệu ảnh cắt lớp 2D sau khi Hz() (3) phân đoạn. Lưu đồ giải thuật như hình 1. 00if z 2. PHƢƠNG PHÁP PHÂN ĐOẠN DỰA Hàm Direct delta được định nghĩa: TRÊN ĐƢỜNG BAO ĐỘNG d Cơ sở của phương pháp phân đoạn có một  ()()z H z (4) đường cong đặt bất kỳ vị trí nào trong ảnh, bắt dz đầu tìm kiếm khu vực của đối tượng bất kỳ mà không phụ thuộc vào đường biên đối tượng. Từ (2), (3), (4) công thức (1) được viết lại: Về cơ bản nó chia ảnh thành hai vùng, giải
3. F(,,) c c   .  ((,))  x y  (,) x y hình lọc nhiễu tần số cao, lớn thì thích hợp cho việc phát hiện đối tượng với chi tiết đẹp.  2 uxy( , ) c H ( ( xydxdy , )) ci và ci được tính theo Ф như sau: 0 (5)  2 u0,i ( x , y ) H ( ( x , y )) dxdy uxy(,) c (1 H ((,))) xydxdy 0 c   i H( ( x , y )) dxdy  Với c+, c- được định nghĩa theo ϕ như sau: (average ( u0,i ) on 0) c average( u ) on 0 0 (6) u( x , y )(1 H ( ( x , y ))) dxdy 0,i c average( u0 ) on 0 c  i H( ( x , y )) dxdy Đối với trường hợp ảnh có giá trị vector  Gọi u0,i là kênh thứ i của ảnh u0 trên tập Ω, i=1, (average ( u ) on 0) , N. Đường cong tiến hóa C. Mỗi kênh chứa 0,i một số khác biệt của ảnh. Gọi c ( c , , c ) Hàm heaviside và direct delta được định 1 N nghĩa lại như sau: và c ( c1 , , cN ) là hai vector không đổi chưa biết. Công thức (1) được viết lại như sau [9]: 1if z  H1, ( z ) 0 if z  F(,,).() c c Length C 11 zz 1 sin( ) if z  N 2 1 2   iu0, i(,) x y c i dxdy N  ' inside() C i 1 (7) 1,()()z H 1, z 1 N 2  u(,) x y c dxdy  i0, i i 12 z N i 1 H2, ( z ) 1 arctan ( ) , outside() C 2  ' Tương tự như trường hợp vô hướng, xấp xỉ giá 2,()()z H 2, z trị vector phụ thuộc vào ccii, và ranh giới đường cong C. Cân bằng năng lượng chiều dài Hàm tối thiểu năng lượng F được định của đường viền trong ảnh u0 là trung bình trên nghĩa lại: tất cả các kênh. Mô hình phát hiện cạnh tại ít nhất là một kênh, không nhất thiết phải tất cả Fcc(,,)   t  ((,))  xy  (,) xydxdy các kênh, sau đó kết hợp với cú pháp OR. Biểu N 1 2 thức (7) được viết lại: t  i uxycH0, i( , ) i (  ( xydxdy , )) N i 1 (9) 1 N 2 F(,,) c c   .  ((,))  x y  (,) x y t  i uxyc0, i(,) i (1 Hxydxdy ((,)))   N i 1 1 N 2  u( xy , ) c H ( ( xydxdy , ))  i0, i i (8)  N i 1 Giả sử cc, là các tham số không đổi, 1 N 2  u(,) xy c (1 H ((,))) xydxdy tối thiếu hàm F với tham số ϕ. Theo Euler – N  i0, i i  i 1 Lagrange thì ϕ được tính như sau (các tham số hướng độ dốc theo thời gian): ,,, Trong đó i = 1, , N,  1 , , N là các tham số điều chỉnh độ nhạy của việc phát hiện đối tượng. μ là thông số giới hạn trọng lượng độ dài.  là giới hạn trọng lượng sai số. Khi μ lớn và nhỏ thì thích hợp cho mô
4. toán nhanh ta cắt bỏ đi những phần không cần  .div thiết của ảnh. Ảnh sau khi cắt bỏ phần bên  ngoài không mong muốn được kết quả như N hình 3.  1 2   iu0, i(,) x y c i (10) tN i 1 1 N 2  u(,) x y c N  i0, i i i 1  () Điều kiện dừng trên biên: 0  n a)Ảnh ban đầu b)Ảnh sau khi cắt 3. KẾT QUẢ THỰC NGHIỆM Hình 3: Thay đổi kích thước ảnh 3.3.Tăng độ tƣơng phản ảnh 3.1.Chụp cắt lớp quang học Ảnh OCT là ảnh có độ phân giải lớn mà nhiễu Với cấu trúc một máy OCT như hình 2, muối tiêu nhiều, rất khó khăn tìm biên đối tượng trong quá trình phân đoạn. Vì thế ta phải thực hiện tăng cường độ tương phản ảnh để làm nổi bật đối tượng cần xử lý. Giả sử ảnh đầu vào A, ảnh ngõ ra B. Giá trị ngõ ra qua phép tăng cường ảnh có được qua công thức (11), Ảnh sau khi tăng cường có kết quả như hình 4. B=((A.*A).*A)/max(max(A.*A).*A)) (11) Hình 2: Cấu trúc máy OCT một hệ thống đèn phát ra ánh sáng có bước sóng trung tâm là 840nm và băng thông của phổ là 60nm. Ánh sáng đi vào bộ chia thành hai đường ánh sáng theo tỷ lệ 50:50, một a)Ảnh ban đầu b)Ảnh sau khi tăng đường ánh sáng đi vào mẩu, một đường ánh độ tương phản sáng đi vào bộ tham chiếu. Độ phân giải ngang Hình 4: Tăng độ tương phản ảnh của ánh sáng là 1.3μm, tín hiệu giao thoa được thu bởi một hệ thống bao gồm quang phổ kế, Những vị trí sáng đối tượng được làm nổi kính hội tụ và một bộ cảm biến quét dòng bậc lên, những vị trí khác ở nền tối lại. CCD (Charge Coupled - Device). Thông tin về độ sâu của ảnh được phân tích bằng cách biến 3.4.Lọc nhiễu đổi Fourier nhanh (FFT) tín hiệu thu được. Lọc ảnh cũng là một bước quan trọng Ảnh chụp cắt lớp 2D và ảnh 3D thu được bằng trong quá trình xử lý ảnh, ảnh OCT nhiễu cực cách thêm bộ quét ngang hai chiều đường đi cao nên lọc để giảm nhiễu. Sử dụng bộ lọc của ánh sáng vào mẩu. Độ nhạy của hệ thống trung vị với ưu điểm loại bỏ được nhiễu muối là 92,8dB. tiêu nhưng vẫn giữ được đường biên đối tượng. 3.2.Thu nhận ảnh và thay đổi kích thƣớc Xtv là giá trị điểm ảnh ngõ ra, n là số phần tử trong mặc nạ lọc. Bộ lọc trung vị được thể Ảnh ban đầu kích thước lớn, mà đối tượng hiện qua công thức (12) với n lẽ và công thức cần phân đoạn nhỏ, để cho quá trình xử lý tính
5. (13) với n chẵn. Kết quả lọc ảnh thể hiện qua Đối tượng đã được trích xuất nhưng vẫn hình 5. còn một số phần nhỏ bên ngoài nền, để loại bỏ những phần đó ta bắt đầu tìm diện tích của từng đối tượng sau đó giữ lại phần có diện tích lớn nhất, được kết quả như hình 7. 3.6.Xử lý hình thái Xử lý hình thái học gồm phép giãn ảnh, phép co ảnh, phép mở ảnh, phép đóng ảnh. Mỗi phép xử lý đều có ưu nhược điểm riêng. để loại bỏ các phần ở rìa của biên đối tượng và a)Ảnh ban đầu b)Ảnh sau khi lọc làm cho biên được mịn hơn thì ta sử dụng nhiễu phép mở ảnh. Giả sử ta có tập A là ảnh đầu vào, phần tử cấu trúc B (mặt nạ). Phép mở nhị phân Hình 5: Kết quả ảnh lọc nhiễu của ảnh A với phần tử cấu trúc B thể hiện qua công thức (14). Xtv = X(n/2+1) (12) A○B=(A⊖B)⊕B (14) Xtv = (X(n/2)+X(n/2+1))/2 (13) Kết quả phép mở ảnh trong hình 8. Ảnh sau khi lọc thì những điểm ảnh nhiễu màu trắng được loại bỏ, ảnh mịn và trơn hơn. 3.5.Phân đoạn Sau khi dùng phương pháp phân đoạn đường bao động thì được kết quả phân đoạn ban đầu như hình 6. a)Ảnh ban đầu b)Ảnh sau khi thực hiện phép mở ảnh Hình 8: Kết quả ảnh xử lý hình thái Kết quả cho thấy phần rìa bên ngoài được loại bỏ, đường biên được mịn hơn, hình dạng a)Ảnh ban đầu b)Ảnh sau khi phân đoạn của đối tượng được giữ nguyên. Hình 6: Kết quả ảnh phân đoạn ban đầu 3.7.Xây dựng ảnh 3D Thuật toán xây dựng ảnh 3D trong bài báo là dùng thuật toán marching cubes [5]. a)Ảnh ban đầu b)Ảnh sau khi loại bỏ đối tượng nhỏ Hình 7: Kết quả ảnh loại bỏ đối tượng không cần thiết Hình 9: Kết quả ảnh 3D tủy sống chuột
6. Thuật toán này thích hợp cho ảnh cắt lớp hình 3D trên một số ảnh y học khác như song song. Kết quả ảnh 3D được thể hiện qua ảnh MRI, CT, hình 9. - Cải tiến mô hình để được kết quả phân Để đánh giá kết quả ta so sánh với phần đoạn mượt hơn, chính xác hơn đối với mềm Amira. Amira là phần mềm xử lý ảnh y ảnh có biên mờ. Từ đó hạn chế sử dụng sinh dùng cho nghiên cứu. Kết quả xây dựng các bước xử lý hình thái. ảnh 3D dùng phần mềm Amira được thể hiện TÀI LIỆU THAM KHẢO qua hình 10. [1] D. Huang, E.A.Swanson, C. P. Lin et al. Optical coherence tomography. Science, vol. 254, no.5035, pp. 1178–1181, 1991. [2] Wolfgang Drexler. Ultrahigh - resolution ophthalmic optical coherence tomography. Journal of Biomedical Optics, vol. 9, no. 1, pp. 47-74, 2004 [3] Chenyang Xu and Jerry L. Prince. Snakes, Shapes, and Gradient Vector Flow. IEEE transaction on image processing, vol. 7, no. 3, Hình 10: Kết quả ảnh 3D tủy sống chuột 1998. [4] Michael Kass, Andrew Witkin and Qua kết quả ảnh 3D từ phần mềm Amira Demretri Terzopoulos. Snakes: Active Contour ta nhận thấy rằng kết quả không chính xác Models. International Journal of Computer bằng phương pháp trong bài báo, vì phần mềm Vision, pp. 321 – 331, 1988. amira là phần mềm xử lý bằng tay nên khi xử lý 1 tập nhiều ảnh với cùng một giá trị sẽ [5] William E. Lorensen, Harvey E. không chính xác ở bước phân đoạn. Từ đó ảnh Cline. Marching Cubes: A high resolution 3D hưởng đến kết quả ảnh 3D. surface construction algorithm. Computer Graphics, Vol. 21, No. 4, 1987. 4. KẾT LUẬN [6] Mumford, D. and Shah, J.: Optimal Phương pháp đề xuất đã phân đoạn được approximations by piecewise smooth functions ảnh OCT, loại ảnh có nhiễu hạt và nhiễu muối and associated variational problems. Comm. tiêu rất nhiều. Quá trình phân đoạn hoàn toàn on Pure and Applied Math. Vol. 42, pp. 577– tự động. Sau đó xây dựng được mô hình ảnh 685, 1989. 3D từ dữ liệu phân đoạn thu được.  Ưu điểm: [7] S. Osher and J. A. Sethin. Fronts - Phương pháp phân đoạn hoàn toàn tự propagating with curvature-dependent speed: động nên phân đoạn được nhiều ảnh Algorithms based on Hamilton– Jacobi cùng một lúc. formulation, J. Comput. Phys, pp. 12–49, - Bằng phương pháp đường bao động đã 1988. phân đoạn thành công tập dữ liệu mẫu [8] Tony F. Chan, B. Yezrielev Sandberg and tương đương với đoạn tủy sống chuột. Luminita A. Vese. Active Contours without - Phân đoạn được ảnh OCT, loại ảnh có Edges. IEEE Transactions on image nhiễu hạt và nhiễu muối tiêu rất nhiều, processing, vol. 10, no. 2, 2001. một số phương pháp phân đoạn khác không cho được kết quả chính xác. [9] Tony F. Chan, B. Yezrielev Sandberg and  Hướng phát triển Luminita A. Vese. Active Contours without - Áp dụng phương pháp đường bao động Edges for Vector – Valued Images. Journal of để thực hiện phân đoạn và xây dựng mô Visual Communication and Image Representation 11, pp. 130 – 141, 2000.
7. Thông tin liên hệ tác giả chính (ngƣời chịu trách nhiệm bài viết): Họ tên: Nguyễn Văn Bình Đơn vị: Học viên Cao học Trường Đại học Sư phạm Kỹ thuật TP.HCM Điện thoại: +84972903957 Email: nguyenvanbinh120989@gmail.com
8. BÀI BÁO KHOA HỌC THỰC HIỆN CÔNG BỐ THEO QUY CHẾ ĐÀO TẠO THẠC SỸ Bài báo khoa học của học viên có xác nhận và đề xuất cho đăng của Giảng viên hướng dẫn Bản tiếng Việt ©, TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH và TÁC GIẢ Bản quyền tác phẩm đã được bảo hộ bởi Luật xuất bản và Luật Sở hữu trí tuệ Việt Nam. Nghiêm cấm mọi hình thức xuất bản, sao chụp, phát tán nội dung khi chưa có sự đồng ý của tác giả và Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh. ĐỂ CÓ BÀI BÁO KHOA HỌC TỐT, CẦN CHUNG TAY BẢO VỆ TÁC QUYỀN! Thực hiện theo MTCL & KHTHMTCL Năm học 2017-2018 của Thư viện Trường Đại học Sư phạm Kỹ thuật Tp. Hồ Chí Minh.