Xử lý dữ liệu hình ảnh y tế: Một số kỹ thuật cốt lõi

xử lý dữ liệu hình ảnh y tế

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. 

Hình 1. Phân loại các kỹ thuật cốt lõi của xử lý hình ảnh y tế. Nguồn: AnalogDevices

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.

Hình 2. Sơ đồ quá trình thu thập dữ liệu. Nguồn: AnalogDevices

Tái tạo hình ảnh

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.

Bài viết liên quan

    Cảm ơn bạn đã quan tâm và ủng hộ.

    File hiện tại không thể tải xuống
    Vui lòng liên hệ hỗ trợ.

    VinOCR eKYC

    Chọn ảnh từ máy của bạn

    Chọn ảnh demo dưới đây hoặc tải ảnh lên từ máy của bạn

    Tải lên ảnh CMND/CCCD/Hộ chiếu,...

    your image
    Chọn ảnh khác
    Tiến hành xử lý

    Thông tin đã được xử lý

    Mức độ tin cậy: 0%

    • -
    • -
    • -
    • -
    • -
    • -
    • -
    • -
    • -
    • -
    • -
    • -
    • -

    Xác thực thông tin thẻ CMND/CCCD

    Vui lòng sử dụng giấy tờ thật. Hãy đảm bảo ảnh chụp không bị mờ hoặc bóng, thông tin hiển thị rõ ràng, dễ đọc.

    your image
    Chọn ảnh khác

    Ảnh mặt trước CMND/CCCD

    your image
    Chọn ảnh khác

    Ảnh mặt sau CMND/CCCD

    your image
    Chọn ảnh khác

    Ảnh chân dung

    This site is registered on wpml.org as a development site.