03/06/2022 Camera AI, Khám phá 924 lượt xem
Học sâu đã có tác động to lớn đến nhiều lĩnh vực công nghệ khác nhau trong vài năm qua. Một trong những chủ đề nóng nhất được bàn tán sôi nổi trong ngành công nghiệp này là thị giác máy tính, với khả năng của máy có thể tự hiểu hình ảnh và video. Xe tự lái, sinh trắc học và nhận dạng khuôn mặt đều dựa vào thị giác máy tính để hoạt động. Và cốt lõi của thị giác máy tính không gì khác ngoài xử lý hình ảnh. Nếu là một “newbie” trong ngành này, bài viết dưới đây sẽ là một gợi mở hữu ích, giúp bạn nắm được các khái niệm căn bản về xử lý dữ liệu hình ảnh.
Một hình ảnh được định nghĩa là một hàm hai chiều, F [x, y], trong đó x và y là các tọa độ không gian, và biên độ của F tại bất kỳ cặp tọa độ [x, y] nào được gọi là cường độ của hình ảnh tại điểm đó. Khi các giá trị x, y và biên độ của F là hữu hạn, ta gọi nó là hình ảnh số hóa [digital image]. Nói cách khác, một hình ảnh có thể được xác định bởi một mảng hai chiều, sắp xếp cụ thể theo hàng và cột.
Hình ảnh số hóa bao gồm một số lượng hữu hạn các phần tử, mỗi phần tử có một giá trị cụ thể tại một vị trí cụ thể. Các phần tử này được gọi là phần tử hình ảnh [picture elements, image elements hay pixel, trong đó pixel là thuật ngữ thông dụng nhất].
Hình ảnh được biểu thị bằng kích thước [chiều cao và chiều rộng] dựa trên số lượng pixel. Ví dụ: nếu kích thước của hình ảnh là 500 x 400 [chiều rộng x chiều cao], thì tổng số pixel trong hình ảnh là 200000.
Các loại hình ảnh
- Ảnh nhị phân: Đúng như tên gọi, ảnh nhị phân chỉ chứa những pixel có giá trị 0 hoặc 1 trong đó 0 chỉ màu đen và 1 chỉ màu trắng. Hình ảnh này còn được gọi là Đơn sắc.
- Ảnh đen-trắng
- Ảnh màu 8 bit: Đây là định dạng hình ảnh nổi tiếng nhất, có 256 sắc thái màu khác nhau và thường được gọi là hình ảnh thang độ xám. Trong định dạng này, 0 chỉ màu đen, và 255 chỉ màu trắng, và 127 chỉ màu xám.
- Ảnh màu 16 bit: Đây là định dạng ảnh màu có 65.536 màu sắc khác nhau, nó còn được gọi là định dạng màu cao. Ở định dạng này, sự phân bố màu sắc không giống như hình ảnh Thang độ xám mà thường được chia thành 3 kênh màu Đỏ, Xanh lục và Xanh lam.
Xử lý ảnh là gì?
Xử lý ảnh là quá trình chuyển đổi một hình ảnh sang dạng kỹ thuật số và thực hiện các thao tác nhất định để nhận được một số thông tin hữu ích từ hình ảnh đó. Hệ thống xử lý hình ảnh thường coi tất cả các hình ảnh là tín hiệu 2D khi áp dụng một số phương pháp xử lý tín hiệu đã xác định trước.
Các loại xử lý hình ảnh chính:
- Nhận diện – Phân biệt hoặc phát hiện các đối tượng trong hình ảnh
- Làm sắc nét và phục hồi – Tạo hình ảnh nâng cao từ hình ảnh gốc
- Nhận dạng mẫu – Đo các mẫu khác nhau xung quanh các đối tượng trong hình ảnh
- Truy xuất – Duyệt và tìm kiếm hình ảnh từ một cơ sở dữ liệu lớn gồm các hình ảnh kỹ thuật số tương tự như hình ảnh gốc
Các bước xử lý hình ảnh cơ bản
- Thu thập ảnh: Thu thập hình ảnh là bước đầu tiên trong quá trình xử lý hình ảnh, hay còn được gọi là tiền xử lý. Nó liên quan đến việc lấy hình ảnh từ một nguồn, thường là nguồn dựa trên phần cứng.
- Tăng cường hình ảnh: Tăng cường hình ảnh là quá trình làm nổi bật các đặc điểm trong hình ảnh đã bị che khuất, bằng cách thay đổi độ sáng, độ tương phản, v.v.
- Phục hồi hình ảnh: Phục hồi hình ảnh là quá trình cải thiện hình ảnh, sử dụng các mô hình toán học hoặc xác suất nhất định.
- Xử lý hình ảnh màu: Xử lý ảnh màu bao gồm một số kỹ thuật tạo mô hình màu trong miền kỹ thuật số.
- Wavelets và xử lý đa phân giải: Wavelet được sử dụng để biểu diễn hình ảnh ở nhiều mức độ phân giải khác nhau.
- Nén: Nén là một quá trình được sử dụng để giảm dung lượng lưu trữ hoặc băng thông cần thiết để truyền tải hình ảnh đó.
- Xử lý hình thái: Xử lý hình thái liên quan đến các kỹ thuật trích xuất thành phần của ảnh nhằm phục vụ việc biểu diễn và mô tả hình dạng.
- Phân đoạn: Phân đoạn là một trong những bước xử lý ảnh khó nhất, liên quan đến việc phân vùng một hình ảnh thành các phần hoặc đối tượng cấu thành của nó.
- Trình bày và mô tả: Sau khi một hình ảnh được phân đoạn thành các vùng, mỗi vùng được đại diện và mô tả ở dạng phù hợp cho quá trình xử lý tiếp theo. Phần trình bày liên quan đến đặc điểm của hình ảnh và thuộc tính vùng. Mô tả đề cập đến việc trích xuất thông tin định lượng giúp phân biệt một lớp đối tượng với lớp khác.
- Nhận dạng: Nhận dạng gán nhãn cho một đối tượng dựa trên mô tả của nó.
Những tiến bộ công nghệ đạt được trong xử lý hình ảnh y tế đã tạo ra cơ hội chưa từng có cho việc chẩn đoán không xâm lấn, đồng thời đưa chẩn đoán hình ảnh trở thành một phần không thể thiếu của hệ thống chăm sóc sức khỏe.
Xử lý hình ảnh y tế liên quan đến quy trình nhiều bước, từ thu thập dữ liệu thô đến truyền tải hình ảnh số hóa, làm tiền đề cho luồng dữ liệu hoàn chỉnh trong các hệ thống hình ảnh y tế hiện đại. Giờ đây, các hệ thống này có độ phân giải ngày càng cao về kích thước không gian và cường độ, cũng như thời gian thu thập nhanh hơn, dẫn đến một lượng lớn dữ liệu hình ảnh thô, chất lượng cao phải được xử lý kịp thời và đúng cách, nhằm đạt được kết quả chẩn đoán chính xác.
Bài viết dưới đây cung cấp những thông tin hữu ích về các kỹ thuật cốt lõi của xử lý hình ảnh y tế, từ đó mang tới bạn cái nhìn tổng quan về các công nghệ hiện đang được triển khai.
Tổng quan
Hình ảnh dưới đây miêu tả các kỹ thuật cốt lõi của xử lý hình ảnh y tế. Các kỹ thuật này tạo thành ba quy trình chính: tái tạo hình ảnh, tính toán và xử lý dữ liệu ảnh, cũng như quản lý ảnh.
Quá trình tái tạo ảnh bao gồm các bước thu thập dữ liệu, tái tạo hình ảnh và giải quyết bài toán nghịch đảo. Mục đích của tính toán và xử lý dữ liệu ảnh là cải thiện khả năng diễn giải của hình ảnh được tái tạo, từ đó trích xuất thông tin có liên quan về mặt lâm sàng. Cuối cùng, quản lý hình ảnh liên quan đến việc nén, lưu trữ, truy xuất và truyền tải các hình ảnh thu được.
Thu thập dữ liệu
Bước đầu tiên không thể thiếu là thu thập dữ liệu ảnh thô. Nó chứa thông tin ban đầu về các bộ phận được chiếu chụp. Những thông tin này chính là đối tượng chính cho các bước xử lý tiếp theo.
Các phương thức chụp khác nhau có thể sử dụng các nguyên tắc vật lý khác nhau và do đó liên quan đến việc phát hiện các đại lượng vật lý khác. Ví dụ, trong chụp ảnh bức xạ kỹ thuật số [DR] hoặc chụp cắt lớp vi tính [CT], đó là năng lượng của các photon tới; trong chụp cắt lớp phát xạ positron [PET], đó là năng lượng các photon và thời gian phát hiện chúng; trong hình ảnh cộng hưởng từ [MRI], đó là các tham số của tín hiệu tần số vô tuyến do các nguyên tử bị kích thích phát ra; và trong siêu âm, đó là các tham số của sóng âm phản xạ lại.
Tuy nhiên, bất kể loại phương thức hình ảnh nào, quá trình thu thập dữ liệu cũng có thể được chia nhỏ thành việc phát hiện một đại lượng vật lý, chuyển đổi nó thành tín hiệu điện, điều chỉnh trước tín hiệu thu được và tiến hành số hóa. Một sơ đồ chung đại diện cho tất cả các bước này, áp dụng cho hầu hết các phương thức hình ảnh y tế được mô tả trong Hình 2.
Tái tạo hình ảnh là một quá trình toán học tạo hình ảnh bằng cách sử dụng dữ liệu thô thu được. Đối với hình ảnh đa chiều, quá trình này bao gồm sự kết hợp của nhiều bộ dữ liệu được chụp ở các góc độ khác nhau hoặc các bước thời gian khác nhau. Phần xử lý hình ảnh này giải quyết các vấn đề nghịch đảo, với hai thuật toán chính là phân tích và lặp lại.
Các ví dụ điển hình của phương pháp phân tích bao gồm filtered backprojection – FBP, được sử dụng rộng rãi trong chụp cắt lớp; Fourier transform [FT] đặc biệt quan trọng trong MRI; và định dạng delay and sum [DAS] không thể thiếu trong siêu âm. Các thuật toán này hiệu quả về cả sức mạnh xử lý và thời gian tính toán, tuy nhiên gặp hạn chế về khả năng xử lý các yếu tố phức tạp.
Ngược lại, phương pháp lặp lại khắc phục được các hạn chế trên, giúp cải thiện đáng kể độ nhạy đối với các yếu tố nhiễu và tái tạo lại hình ảnh tối ưu bằng cách sử dụng dữ liệu thô. Các phương pháp lặp thường sử dụng hệ thống và mô hình nhiễu thống kê để tính toán các phép chiếu dựa trên mô hình đối tượng ban đầu với các hệ số giả định. Sự khác biệt giữa các dự báo tính toán và dữ liệu ban đầu xác định các hệ số mới được sử dụng để cập nhật mô hình đối tượng. Quy trình trên được lặp lại cho đến khi quá trình tái tạo thành hình ảnh cuối cùng.
Có rất nhiều phương pháp lặp lại bao gồm tối maximum likelihood expectation maximization [MLEM], maximum a posteriori [MAP], algebraic reconstruction [ARC] và nhiều phương pháp khác được sử dụng rộng rãi trên các phương thức hình ảnh y tế.
Tính toán hình ảnh [Image Computing]
Image Computing đề cập đến các phương pháp tính toán hoạt động trên dữ liệu hình ảnh được tái tạo để trích xuất thông tin có liên quan về mặt lâm sàng. Các phương pháp này được áp dụng để tăng cường, phân tích và trực quan hóa các kết quả hình ảnh.
Tăng cường
Tăng cường hình ảnh thay đổi cách biểu diễn một hình ảnh để cải thiện khả năng diễn giải của thông tin chứa trong đó. Tăng cường hình ảnh có thể được chia nhỏ thành các kỹ thuật miền không gian và miền tần số.
Các kỹ thuật miền không gian hoạt động trực tiếp trên các pixel hình ảnh, đặc biệt hữu ích cho việc tối ưu hóa độ tương phản. Các kỹ thuật này thường dựa vào các phép biến đổi lôgarit, biểu đồ và lũy thừa. Các phương pháp miền tần số sử dụng biến đổi tần số để làm mịn và làm sắc nét hình ảnh bằng cách áp dụng các loại bộ lọc khác nhau.
Việc sử dụng tất cả các kỹ thuật này cho phép giảm nhiễu và tính không đồng nhất, tối ưu hóa độ tương phản, tăng cường các cạnh, loại bỏ các hiện tượng giả và cải thiện các đặc tính liên quan khác cho việc phân tích và diễn giải chính xác hình ảnh.
Phân tích
Phân tích hình ảnh là trung tâm của quy trình tính toán, với ba loại chính: phân đoạn hình ảnh, định dạng hình ảnh [image registration] và định lượng hình ảnh.
Quá trình phân đoạn hình ảnh sẽ thực hiện phân vùng ảnh thành các cấu trúc khác nhau dựa trên ý nghĩa. Định dạng hình ảnh đảm bảo căn chỉnh chính xác nhiều ảnh, phân tích các thay đổi theo thời gian hoặc kết hợp các hình ảnh có được bằng cách sử dụng nhiều phương thức khác nhau. Còn quá trình định lượng sẽ xác định các đặc tính của cấu trúc như thể tích, đường kính, thành phần và các thông tin giải phẫu hoặc sinh lý liên quan khác. Tất cả các quá trình này có ảnh hưởng trực tiếp đến chất lượng của dữ liệu hình ảnh và mức độ chính xác của các phát hiện y tế.
Trực quan hóa
Quá trình trực quan hóa kết xuất dữ liệu hình ảnh để biểu thị một cách trực quan thông tin hình ảnh giải phẫu và sinh lý ở một dạng cụ thể trên các kích thước xác định. Thông qua tương tác trực tiếp với dữ liệu, trực quan hóa có thể được thực hiện ở cả giai đoạn đầu và giai đoạn trung gian của phân tích hình ảnh — ví dụ, để hỗ trợ các quy trình phân đoạn và định dạng, và ở giai đoạn cuối cùng để hiển thị các kết quả đã được tinh chỉnh.
Quản lý hình ảnh
Phần cuối cùng của quá trình xử lý hình ảnh y tế liên quan đến việc quản lý thông tin thu được và bao gồm các kỹ thuật khác nhau để lưu trữ, truy xuất và truyền tải dữ liệu hình ảnh. Có một số tiêu chuẩn và công nghệ được phát triển để giải quyết các khía cạnh khác nhau của quản lý hình ảnh. Ví dụ: hệ thống PACS [Picture archiving and communication system] cung cấp khả năng lưu trữ và truyền tải hình ảnh y tế định dạng DICOM. Bên cạnh đó, các kỹ thuật đặc biệt để nén và phát trực tuyến hình ảnh cũng có khả năng thực hiện các tác vụ này một cách hiệu quả.