BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
Nguyễn Việt Dũng
NGHIÊN CỨU, PHÁT TRIỂN GIẢI PHÁP HỖ TRỢ
PHÁT HIỆN CÁC DẤU HIỆU TỔN THƯƠNG HÌNH KHỐI
TRÊN ẢNH CHỤP X-QUANG VÚ
LUẬN ÁN TIẾN SỸ KỸ THUẬT ĐIỆN TỬ
Hà Nội - 2015
BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
Nguyễn Việt Dũng
NGHIÊN CỨU, PHÁT TRIỂN GIẢI PHÁP HỖ TRỢ
PHÁT HIỆN CÁC DẤU HIỆU TỔN THƯƠNG HÌNH KHỐI
TRÊN ẢNH CHỤP X-QUANG VÚ
Chuyên ngành: Kỹ thuật Điện tử
Mã số: 62520203
LUẬN ÁN TIẾN SỸ KỸ THUẬT ĐIỆN TỬ
NGƯỜI HƯỚNG DẪN KHOA HỌC:
1. GS. TS. NGUYỄN ĐỨC THUẬN
2. PGS. TS. NGUYỄN TIẾN DŨNG
Hà Nội - 2015
i
Lời cam đoan
Tác giả xin cam đoan đây công trình nghiên cứu riêng của tác giả, không sao chép
của bất kngười nào. Các số liệu kết quả nêu trong luận án hoàn toàn trung thực
chưa từng được công bố bởi bất kỳ ai.
Tác giả
NCS. Nguyễn Việt Dũng
ii
Lời cảm ơn
Tôi xin chân thành cảm ơn GS.TS Nguyễn Đức Thuận PGS.TS. Nguyễn Tiến
Dũng, những người đã nhiệt tình hướng dẫn và giúp đỡ tôi rất nhiều trong quá trình nghiên
cứu và hoàn thành Luận án.
Tôi cũng xin chân thành cảm ơn Viện Đào tạo Sau Đại học, Viện Điện tử -Viễn
thông, Trường Đại học Bách Khoa Nội đã tạo điều kiện thuận lợi để tôi hoàn thành
nhiệm vụ nghiên cứu của mình.
Tôi cũng bày tlòng biết ơn đến Gia đình tôi, vợ con tôi, các anh chị em, đồng
nghiệp và bạn những người đã ủng hộ động viên giúp đỡ tôi trong suốt thời gian làm
Luận án.
iii
MỤC LỤC
DANH MỤC CÁC HÌNH VẼ
DANH MỤC CÁC BẢNG
CÁC TỪ VIẾT TẮT
MỞ ĐẦU................................................................................................................................ 1
CHƯƠNG 1. GIẢI PHẪU VÀ BỆNH LÝ UNG THU VÚ, CHỤP ẢNH X-QUANG
VÚ VÀ GIẢI PHÁP HỖ TRỢ PHÁT HIỆN CÁC DẤU HIỆU TỔN THƯƠNG
HÌNH KHỐI TRÊN ẢNH CHỤP X-QUANG VÚ ............................................................ 5
1.1. Giải phẫu và sinh lý vú ............................................................................................. 5
1.2. Bệnh lý ung thư vú .................................................................................................... 8
1.2.1. Phân loại ung thu vú ............................................................................................ 9
1.2.2. Các giai đoạn ung thư vú ................................................................................... 12
1.2.3. Các phương pháp chẩn đoán ung thư vú ........................................................... 14
1.2.4. Các phương pháp điều trị bệnh ung thư vú ....................................................... 16
1.3. Chụp ảnh X-quang vú ............................................................................................. 17
1.3.1. Chụp ảnh X-quang vú sàng lọc ......................................................................... 17
1.3.2. Chụp ảnh X-quang vú chẩn đoán ...................................................................... 18
1.3.3. Trình tự thăm khám chụp ảnh X-quang vú ....................................................... 19
1.3.4. Các dấu hiện tổn thương ung thư vú trên ảnh chụp X-quang vú ....................... 22
1.3.5. Chụp ảnh X-quang vú kỹ thuật số ..................................................................... 24
1.4. Giải pháp hỗ trợ phát hiện các dấu hiện tổn thương hình khối
trên ảnh chụp X-quang vú ............................................................................................. 25
1.5. Cơ sở dữ liệu ảnh ..................................................................................................... 27
1.6. Kết luận .................................................................................................................... 29
CHƯƠNG 2. TIỀN XỬ LÝ, TĂNG CƯỜNG CHẤT LƯỢNG
ẢNH CHỤP X-QUANG VÚ .............................................................................................. 30
2.1. Đặt vấn đề ................................................................................................................ 30
2.2. Tách vùng ảnh vú .................................................................................................... 31
2.3. Tách phần cơ ngực ra khỏi vùng ảnh vú ............................................................... 35
2.4. Tăng cường chất lượng ảnh .................................................................................... 39
2.4.1. Tăng cường chất lượng ảnh kết hợp lọc trung bình với cân bằng mức xám đồ 42
2.4.2. Tăng cường chất lượng ảnh bằng biến đổi hình thái ......................................... 45
2.5. Kết luận .................................................................................................................... 48
CHƯƠNG 3. PHÁT HIỆN CÁC VÙNG NGHI NGỜ CHỨA TỔN THƯƠNG
HÌNH KHỐI THEO PHƯƠNG PHÁP TÌM KIẾM ĐƯỜNG BIÊN ............................ 49
3.1. Tổng quan tình hình nghiên cứu trên thế giới hiện nay ...................................... 49
iv
3.1.1. Đánh giá hiệu quả phát hiện vùng nghi ngờ ...................................................... 49
3.1.2. Một số phương pháp phát hiện vùng nghi ngờ chứa tổn thương hình khối
được đề xuất gần đây trên thế giới. ............................................................................. 51
3.2. Phát hiện vùng nghi ngờ tổn thương hình khối trên ảnh chụp X-quang vú ...... 57
3.2.1. Phương pháp đối sánh mẫu ............................................................................... 57
3.2.2. Phương pháp tìm kiếm đường biên ................................................................... 59
3.3. Đánh giá hiệu quả phát hiện vùng nghi ngờ chứa tổn thương hình khối .......... 62
3.3.1. Hiệu quả phát hiện vùng nghi ngờ của phương pháp đối sánh mẫu .................. 62
3.3.2. Hiệu quả phát hiện vùng nghi ngờ của phương pháp tìm kiếm đường biên ..... 64
3.4. Kết luận .................................................................................................................... 67
CHƯƠNG 4. GIẢM LƯỢNG DƯƠNG TÍNH GIẢ SỬ DỤNG MÁY VECTƠ HỖ
TRỢ SVM VÀ CÁC ĐẶC TRƯNG ĐA MỨC ................................................................ 69
4.1. Tổng quan tình hình nghiên cứu hiện nay ............................................................ 69
4.1.1. Các tiêu chí đánh giá hiệu quả phân loại ........................................................... 69
4.1.2. Tổng quan tình hình nghiên cứu gần đây trên thế giới ...................................... 72
4.2. Trích chọn đặc trưng của vùng nghi ngờ .............................................................. 82
4.2.1. Các đặc trưng thống kê bậc nhất FOS ............................................................... 82
4.2.2. Các đặc trưng dựa trên ma trận đồng xuất hiện mức xám GLCM .................... 82
4.2.3. Các đặc trưng sai khác xác suất ngược khối BDIP ........................................... 85
4.2.4. Các đặc trưng biến thiên hệ số tương quan cục bộ khối BVLC ........................ 85
4.3. Mạng nơron NN và máy vectơ hỗ trợ SVM .......................................................... 86
4.3.1. Mạng nơron NN................................................................................................. 87
4.3.2. Máy vectơ hỗ trợ SVM ...................................................................................... 91
4.4. Phân loại vùng nghi ngờ tổn thương hình khối .................................................... 94
4.4.1. Tính toán các đặc trưng ..................................................................................... 94
4.4.2. Huấn luyện mạng NN và máy vectơ hỗ trợ SVM ............................................. 99
4.4.3. Kết quả phân loại đạt được .............................................................................. 100
4.5. Kết luận .................................................................................................................. 109
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ....................................................................... 110
TÀI LIỆU THAM KHẢO ................................................................................................ 111
DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN .......................... 119
PHỤ LỤC .......................................................................................................................... 120
v
DANH SÁCH CÁC HÌNH VẼ
Hình 1.1. (a) Ảnh mặt cắt bên của vú. A: ống dẫn sữa, B: thùy, C: tuyến tiết sữa,
D: núm vú, E: mô mỡ, F: cơ ngực chính, G: thành ngực, AA: tế bào biểu mô, BB: màng
chính, CC: ống dẫn sữa. (b) A: cơ ngực chính, B: hạch nách mức I, C: hạch nách mức II,
D: hạch nách mức III, E: hạch trên đòn, F: hạch vú trong (nguồn [49]). .............................. 6
Hình 1.2. Phần cuối ống tiểu thùy TDLU (nguồn [77]). ...................................................... 7
Hình 1.3 Tỷ lệ ung thư vú xâm lấn xuất hiện tại các vùng vú khác nhau (nguồn [88]). .... 10
Hình 1.4. Ung thư biểu mô ống. (a) các giai đoạn phát triển từ thành ung thư biểu mô
ống xâm lấn (i) tế bào bình thường, (ii) tế bào tăng sản lành tính, (iii) tế bào tăng sản
không điển hình, (iv) ung thư biểu mô ống không xâm lấn, (v) ung thư biểu mô ống xâm
lấn ít, (vi) ung thư biểu mô ống xâm lấn. (b) A: ống sữa, B: tiểu thùy, C: xoang tiết sữ
a,
D: núm vú, E: mô mỡ, F: cơ ngực chính, G: thành ngực, A1: tế bào bình thường, B1: tế
bào ung thư phá vỡ màng ống, C1: màng ống (nguồn [49]) ............................................... 10
Hình 1.5. Ung thư biểu mô tiểu thùy. (a) không xâm lấn và (b) xâm lấn. A: ống sữa, B:
Acinar, C: xoang tiết sữa, D: núm vú, E: mô mỡ, F: cơ ngực chính, G: thành ngự
c,
A1: tế bào tiểu thùy bình thường, B1: tế bào tiểu thùy ung thư, C1: màng tiể
u thùy,
B2: tế bào ung thư phá vỡ màng tiểu thùy (nguồn [49]). .................................................... 11
Hình 1.6. Tế bào ung thư xâm lấn vào các mạch máu và mạch bạch huyết. AA: mạch
máu, BB: mạch bạch huyết, A: tế bào bình thường, B: tế bào ung thư, C: màng, D: mạch
bạch huyết, E: mạch máu, F: mô vú (nguồn [49]). .............................................................. 12
Hình 1.7. Các hướng chụp ảnh X-quang vú. (a):hướng chụp phổ biến nhất, trên xuống
CC và chéo xiên MLO. (b): chụp vuông góc từ biên vào giữa 90LAT-LM. (c): chụp
vuông góc từ giữa ra biên 90LAT-ML (nguồn [55]).......................................................... 19
Hình 1.8. (trái): chụp ảnh X-quang vú phát hiện khối u và vi vôi hóa. (giữa): dụng cụ
đặc biệt cho kỹ thuật vùng áp lực. (phải): dụng cụ đặc biệt cho kỹ thuật phóng đại .......... 20
Hình 1.9. (a) Sơ đồ cấu trúc của máy chụp ảnh X-quang vú, (b) Đặt bệnh nhân. Sử dụng
máy chụp X-quang vú MAMMOMAT Novation S của Siemens theo các hướng (c) CC
và (d) MLO. ......................................................................................................................... 20
Hình 1.10. Từ trái sang phải, ảnh chụp X-quang vú hướng MLO được phân loại là
mô mỡ, mô tuyến và mô tuyến dầy đặc. .............................................................................. 21
Hình 1.11. Các hình dạng, đường biên, mật độ khác nhau của tổn thương hình khối
(nguồn [21]). ........................................................................................................................ 22
Hình 1.12. Tổn thương hình khối lành tính (trái) và ác tính (phải). ................................... 23
Hình 1.13. Tổn thương vi vôi hóa lành tính (trái) và ác tính (phải). .................................. 23
Hình 1.14. Cấu trúc giải pháp hỗ trợ phát hiện các dấu hiệu tổ
n thương
hình khối trên ảnh chụp X-quang vú. .................................................................................. 27
Hình 1.15. Các thông số đi kèm mỗi ảnh trong cơ sở dữ liệu mini-MIAS [47]. ................ 28
Hình 2.1. Các tnh phần chính tn ảnh chụp X-quang vú số hóa từ sở dữ liệu
vi
mini-MIAS [47]. .................................................................................................................. 30
Hình 2.2. Mc m đồ củanh mdb 132. ............................................................................ 32
Hình 2.3. Ảnh chụp X-quang vú ban đầu (trái) và ảnh vùng vú (phải). (a) Ả
nh mdb115.
(b) Ảnh mdb274. (c) Ảnh mdb283. ..................................................................................... 33
Hình 2.4. So sánh hiệu quả tách vùng ảnh vú của phương pháp được sử dụng với phương
pháp của Masek [67] và Telebour [9]. Hàng trên cùng: ảnh mdb209, ảnh mô tuyến. Hàng
giữa: ảnh mdb163, ảnh mô tuyến dầy đặc. Hàng cuối: ảnh mdb205, ảnh mô mỡ. ............. 34
Hình 2.5. Kết qutách phần cơ ngực khỏi phần vú ng đa mức ngưỡng tối thiểu entropy
co ca Masek [67]. Trên: nh mdb209,nh tuyến. Dưới: ảnh mdb163, ảnh tuyến
dầy đặc. ................................................................................................................................ 37
Hình 2.6. Nguyên thc hiện phương pháp tách phn cơ ngc khỏi vùng ảnh được sử
dụng. .................................................................................................................................... 37
Hình 2.7. Minh họa 4nh phân ngưngơng ứng thu được ............................................... 38
Hình 2.8. Kết quả tách phần cơ ngực của phương pháp được sdụng .................................. 38
Hình 2.9. Kết qutách phần cơ ngực của phương pháp được sdụng. Trên: nh mdb274,
nhãnnh chờm vàong nh vú. Dưới: ảnh mdb283, lỗi số a chờmo ngnh vú ....... 39
Hình 2.10. So nh phương pháp ch phần ngc khi vùng ảnh được sử dụng với
phương pháp của Masek [67] trên cácnh chụp X-quang khác nhau tsở dữ liệu
mini-MIAS [47]. Hàng trên cùng: nh mdb209,nh mô tuyến. Hàng giữa:
nh mdb163,
nh mô tuyến dầy đặc.ng cuối: ảnh mdb205, ảnh mỡ. ................................................ 40
Hình 2.11. Bốn nhóm kỹ thuậtng cường cht lượngnh chụp X-quang. ...................... 41
Hình 2.12. Mt nạ lọc làm trơnch thước 3x3. ................................................................... 42
Hình 2.13.nh độơng phản thấp cao cùng mức xám đồơng ứng của chúng
(ngun [86]). ........................................................................................................................ 43
Hình 2.14. Hiu quả tăng ờng cht ợngnh khi kết hợp lọc trung bình và cân bằng mức
m đồ. Trên:nh mdb209,nh tuyến. Giữa: ảnh mdb163, ảnh mô tuyến dầy đặ
c.
Cuối: nh mdb205, ảnh mỡ. ............................................................................................ 44
Hình 2.15. Mt số dạng phần tử cấu trúc (ti). Chuyển sang dng chữ nht (phi) .............. 45
Hình 2.16. Nguyên ng cưng chất lượng ảnh bằng biến đổi hình thái. ........................... 46
Hình 2.17. Tăng cường cht lượng ảnh sử dụng biến đổi hình thái. Trên: nh mdb209, ảnh
tuyến. Giữa: ảnh mdb163, nh mô tuyến dầy đặc. Cui: nh mdb205, ảnh mô m. ......... 47
Hình 3.1. Ví d tả sự chồng lấn giữa ng tổn thương thật (đường tròn trắng)
ng nghi ng được pt hin ra (đường tròn đen). Hình tròn trắng ng tổn tơng
chuẩn (ground-truth) cung cấp bởi cơ sở dữ liệu sử dng còn đường cong trắngng
chuẩn do bác sỹc định. (nguồn [64]). ................................................................................ 51
Hình 3.2. Vùng lân cận lớn và nhỏ để tính mức ngưỡng thích nghi (nguồn [37]). ............ 52
Hình 3.3. Lân cận 5x5 đ c định góc hướng của vectơ gradien. ........................................ 55
Hình 3.4. Quá trình phân vùng của Zhang [106]. Từ ti sang phi: nh đư
ng biên;
các vùng nghi ngờ có th vàng trungm (viền đỏ); vùng nghi ngờ khối u;
vii
đường bao của khi u được tách ra (viền xanh). .................................................................... 56
Hình 3.5. Lưu đồ thut tn phát hin vùng nghi ngtổn thương kh
i
ng thuật tn đối sánh mẫu ................................................................................................ 58
Hình 3.6. Hai mu có độ tương phản khác nhau ................................................................... 59
Hình 3.7.Từ ti sang phải: mức ngư
ng T=0.7, 0.65 0.6.
Số vùng nghi ngờ phát hiện ra lần ợt N=2, N=6, N=15 ................................................... 59
Hình 3.8. Trái: vùng nghi ngban đầu. Gia: vùng đang được pt triể
n.
Phải: vùng cui cùng thu được. ............................................................................................. 59
Hình 3.9. Một vùng tn thươngnh khối và mứcm đồ của nó (nguồn [86]). .................. 61
Hình 3.10. Lưu đồ thuật toán phương pháp phát hiện vùng nghi ngờ dựa vào tìm kiế
m
đường biên được đề xuất. .................................................................................................... 61
Hình 3.11. Một số ví dụ minh họa kết quả của thuật toán đề xuất. .................................... 62
Hình 3.12. Kết quả thực hiện với ảnh thuộc thư mục SPIC. .............................................. 63
Hình 3.13. Kết quả thực hiện với ảnh thuộc thư mục SPIC. .............................................. 63
Hình 3.14. Kết quả thực hiện với ảnh thuộc thư mục CIRC............................................... 63
Hình 3.15. Các ng nghi ngphát hiện được ường bao màu đ
).
Vùng tổn thương thc (đường bao u xanh) ....................................................................... 65
Hình 3.16. Các ng nghi ngphát hiện được ường bao màu đ
).
Vùng tổn thương thc (đường bao u xanh) (tiếp) .............................................................. 66
Hình 4.1. Cách nh các cặp g trị (TPF, FPF) khác nhau để xây dựng đường cong ROC. ... 71
Hình 4.2. Ví d minh họa đường cong ROC. ....................................................................... 71
Hình 4.3. Cách xây dng ma trn GLCM. ........................................................................... 83
Hình 4.4. Ảnh gốc (a) và ảnh BDIP (b). ............................................................................. 85
Hình 4.5. Vùng R(x,y) ban đầu (hình vuông nét liền) và vùng R(x,y) bị dịch
(hình vuông nét đứt). ........................................................................................................... 86
Hình 4.6. Ảnh BVLC của các ảnh gốc ở hình 4.4(a). ......................................................... 86
Hình 4.7. Mạng nơron tự nhiên. ......................................................................................... 87
Hình 4.8. Mô hình tính toán của nơron nhân tạo. ............................................................... 87
Hình 4.9. Mạng MLP tổng quát. ......................................................................................... 89
Hình 4.10. Mạng MLP 2 lớp. .............................................................................................. 90
Hình 4.11. Các siêu mặt phân loại dữ liệu. ......................................................................... 91
Hình 4.12. Siêu mặt phẳng có biên lớn nhất của SVM....................................................... 92
Hình 4.13. Ánh xạ từ miền R
n
sang miền R
d
. ..................................................................... 93
Hình 4.14. Vùng nghi ngờ được phát hiện ra (màu đỏ). Mô tả vùng nghi ngờ
bằng hình chữ nhật nhỏ nhất bao trùm nó (màu đen). ......................................................... 94
Hình 4.15. Cách tính bộ đặc trưng GLCM13. .................................................................... 95
Hình 4.16. Cách tính bộ đặc trưng GLCM12. .................................................................... 96
Hình 4.17. Chia hình chữ nhật bao quanh vùng nghi ngờ thành các khối nhỏ
viii
để tính đặc trưng BDIP (trái) và BVLC (phải). ................................................................... 96
Hình 4.18. Huấn luyện máy vectơ hỗ trợ SVM với i=2. .................................................. 100
Hình 4.19. Các đường cong ROC thu được khi dùng mạng NN để phân loại
các vùng nghi ngờ.............................................................................................................. 102
Hình 4.20. Đường cong ROC tương ứng với các đặc trưng BDIP (i=6) .......................... 103
Hình 4.21. Hiệu quả của đặc trưng BDIP so với bộ đặc trưng FOS và GLCM13. .......... 104
Hình 4.22. Phân bố của cặp đặc trưng (BVLCkxk mean, BVLCkxk var). ...................... 105
Hình 4.23. Giá trị A
Z
thu được khi sử dụng 2 nhóm đặc trưng BVLC Mean
và BVLC Var. .................................................................................................................... 105
Hình 4.24. Đường cong ROC thu được khi so sánh nhóm đặc trưng BVLC Var
cùng BVLC2x2 mean với các bộ đặc trưng FOS, GLCM13 và BDIP đa mức. ................ 107
ix
DANH SÁCH CÁC BẢNG BIỂU
Bảng 1.1. Các loại ung thư vú xâm lấn ............................................................................... 11
Bảng 1.2. Các giai đoạn bệnh ung thư vú cùng phân loại TNM tương ứng ....................... 13
Bảng 1.3. Phân loại các kết quả chụp ảnh X-quang vú trong BI-RADS ............................ 24
Bảng 1.4. Thống loại ảnh, loi vú, loi bất thường của cơ sở dữ liệu
mini-MIAS [47]. .................................................................................................................. 29
Bảng 2.1. So sánh mức độ tăng cường chất lượng ảnh theo phương pháp biến đổi hình
thái được đề xuất với phương pháp sử dụng lọc trung bình kết hợp với cân bằng
mức xám đồ ......................................................................................................................... 48
Bảng 3.1. Một s kết quả thu được của phương pháp đối nh mẫu. ..................................... 62
Bảng 3.2. Kết quả thực nghiệm phương pháp tìm kiếm đường biên để phát hiện
vùng nghi ngờ ...................................................................................................................... 64
Bảng 3.3. Kết quả phát hiện thu được ứng với 2 phương phápng cường chấtng
nh kc nhau ....................................................................................................................... 64
Bảng 3.4. So sánh phương pp tìm kiếm ng nghi ngđược đề xuất với các nghiên cứu
gần đây tn thế giới ............................................................................................................. 67
Bảng 4.1. Bốn trường hợp phân loại có thể ........................................................................ 70
Bảng 4.2. Tổng hợp các kết quả đạt được của các nghiên cứu gần đây ............................. 80
Bảng 4.3. Một số giá trị đặc trưng FOS. ............................................................................. 95
Bảng 4.4. Một số giá trị đặc trưng GLCM13. .................................................................... 97
Bảng 4.5. Một số giá trị đặc trưng GLCM12. ..................................................................... 97
Bảng 4.6. Một số giá trị của bộ 7 đặc trưng BDIP đa mức. ................................................ 98
Bảng 4.7. Một số giá trị của bộ 6 đặc trưng BVLC đa mức. .............................................. 98
Bảng 4.8. Hiệu quả phân loại khi sử dụng mạng NN cùng bộ đặc trưng GLCM12 và
GLCM13............................................................................................................................ 101
Bảng 4.9. Giá trị A
Z
thu được ứng với các phương pháp tăng cường chất lượng ảnh
chụp X-quang vú khác nhau. ............................................................................................. 101
Bảng 4.10. Các giá trị A
Z
thu được khi sử dụng đặc trưng BDIP đa mức ........................ 103
Bảng 4.11. Các giá trị A
Z
thu được với các đặc trưng BVLC khác nhau với i=6............. 106
Bảng 4.12. So sánh nhóm đặc trưng BVLC Var cùng BVLC2x2 mean với bộ đặc trưng
FOS, GLCM13 và BDIP đa mức ...................................................................................... 107
Bảng 4.13. So sánh phương pháp đề xuất với một số nghiên cứu gần đây trên thế giới .. 108
Bảng 4.14. So sánh phương pháp đề xuất với các phương pháp có A
Z
lớn hơn ............... 108
x
CÁC TỪ VIẾT TẮT
Ký tự viết tắt Tiếng Anh Tiếng Việt
90 LAT – LM 90 Lateral – Medial Chụp vuông góc từ biên vào giữa
90 LAT – ML 90 Medial – Lateral Chụp vuông góc từ giữa ra biên
ACR American College of Radiology Hiệp hội X-quang Hoa Kỳ
ANFIS
Adaptive Neuro Fuzzy Inference
System
Hệ thống suy luận mờ logic
ART Adaptive Resonance Theory thuyết cộng hưởng thích nghi
BDIP
Block Difference Inverse
Probability
Sai khác xác suất ngược khối
BSE Breast Self Exam Tự thăm khám vú
BVLC
Block Variance of Local
Corelation coefficients
Biến thiên hệ số tương quan cục
bộ khối
CAD Computer Aided Detection
Phát hiện có sự trợ giúp của máy
tính
CBE Clinical Breast Exam Thăm khám vú lâm sang
CC Cranio – Caudal Chụp hướng từ trên xuống
CNB Core Needle Biopsy Sinh thiết dùng kim lớn
DCIS Ductal Carcinoma In Situ Ung thư biểu mô ống tại chỗ
DIP Difference of Inverse Probability Sai khác xác suất ngược
DM Digital mammography Chụp ảnh X–quang vú kỹ thuật số
DST Discrete Shearlet Transform Biến đổ shearlet rời rạc
EHD Edge Histogram Descriptor Mô tả mức xám đồ đường biên
FFDM Full Field Digital Mammography
Chụp ảnh X –quang kỹ thuật số
toàn dài
FN False Negative Âm tính giả
FNA Fine Needle Aspiration Chọc hút kim tiêm mảnh
FNF False Negative Fraction Tỉ lệ âm tính giả
FOS First Order Statistic Thống kê bậc nhất
FP False Positive Dương tính giả
FPF False Positive Fraction Tỉ lệ dương tính giả
FPpI False Positive per Image Dương tính giả trên ảnh
xi
GLCM Gray Level Cooccurrence Matrix Ma trận đồng xuất hiện mức xám
GLDS Gray Level Difference Statistic Thống kê sai khác mức xám
GRLS Gray Level Run Length Statistic Thống kê độ dài chạy mức xám
ICA Independent Component Analysis Phân tích thành phần độc lập
IDC Invasive Ductal Cancer Ung thư biểu mô ống xâm lấn
ILC Invasive Lobular Cancer Ung thư biểu mô tiểu thùy xâm lấn
KNN k- Nearest Neighbor K phần tử lân cận gần nhất
LBP Local Binary Pattern Mẫu nhị phân cục bộ
LCIS Lobular Carcinoma In Situ Ung thư biểu mô tiểu thùy tại chỗ
LDA Linear Discriminant Analysis Phân tích biệt số tuyến tính
LMO Lateral – Medial Oblique Chụp chéo xiên từ biên vào giữa
LTE Laws Texture Energy Năng lượng kết cấu Law
M Magnification Phóng đại
MLO Medio – Lateral Oblique Chụp chéo xiên
MLP Multi Layer Percepton Mạng Percepton đa lớp
MRI Magnetic Resonance Imaging Chụp ảnh cộng hưởng từ
NN Neural Network Mạng Nơron
ODCM
Optical Density Cooccurrence
Matrix
Ma trận đồng xuất hiện mật độ
quang
PACS
Picture Archieving and
Communication System
Hệ thống lưu trữ và truyền tải hình
ảnh
PCA Principal Component Analysis Phân tích thành phần chính
PSNR Powered Signal to Noise Ratio Tỷ số công suất tín hiệu trên nhiễu
RBF Radial Basic Function Mạng hàm cơ sở xuyên tâm
RFE Recursive Feature Elimination Giảm đặc trưng hồi quy
ROC Receive Operating Characteristic Đặc tính hoạt động bên thu
ROI Region of Interest Vùng quan tâm
SC Spot Compression Nén điểm
SFM Screen – film mammography Phim chụp X-quang vú tương tự
SNE Stochastic Neighbor Embedding Nhúng phân tử lân cận ngẫu nhiên
SOM Self Organizing Map Mạng tự tổ chức
SVM Support Vector Machine Máy véctơ hỗ trợ
SWT Spherical Wavelet Transform Biến đổi wavelet cầu
TDLU Terminal Duct Lobular Unit Phần cuối ống tiểu thùy
xii
TN True Negative Âm tính thật
TNF True Negative Fraction Tỉ lệ âm tính thật
TP True Positive Dương tính thật
1
MỞ ĐẦU
1. Mục đích nghiên cứu
Ung thư loại ung thư thường gặp thứ 2 sau ung thư phổi nguyên nhân gây
tử vong nhiều thứ 5. Nếu chỉ tính với nữ giới thì ung thư dạng ung thư hay gặp nhất
nguyên nhân chính thứ 2 gây tử vong do ung thư nữ giới tại nhiều nước trên thế
giới trong đó có Việt Nam [1].
Mỹ, theo thống m 2010 [50], 1529560 trường hợp ung thư mới mắc
569490 người tử vong do ung thư. Chỉ tính riêng ung thư vú thì có 209060 trường hợp mới
mắc 40230 người tử vong. Việt Nam, tlệ mắc ung thư cũng tăng dần theo từng
năm. Đến nay đã suất độ cao nhất so với các bệnh ung thư khác phụ nữ tại miền Bắc
cao hàng thứ hai miền Nam [3]. Theo [2], tại Nội, năm 1998 t lệ mắc chuẩn theo
tuổi của ung thư 20,3/100000 dân tại thành phố Hồ Chí Minh 16,0/100000 dân.
Ước tính chung cho cả nước, năm 2000, tỷ l mắc ung thư chuẩn theo tuổi
17,4/100000 dân, đứng hàng đầu trong các loại bệnh ung thư tại phụ nữ.
Chụp ảnh X-quang sàng lọc chụp X-quang được thực hiện thường xuyên
trên một số lượng lớn n chúng chưa bất kbiểu hiện nào của bệnh ung thư nhằm
phát hiện sớm các dấu hiệu tổn thương ung thư vú. Các bác sỹ sẽ tìm kiếm trên ảnh chụp
X-quang các dấu hiệu tổn thương ung thư vú. Một số dấu hiệu tổn thương ung thư
quan trọng các bác sỹ tìm kiếm đó các tổn thương vi vôi hóa các tổn thương hình
khối. Phát hiện sớm các tổn thương ung thư trên ảnh X-quang sẽ tăng khả năng điều
trị ung thư vú cũng như tăng tỷ lệ sống [20].
Cùng với việc phát triển của chương trình sàng lọc, tầm soát ung thư vú, các bác s
phải đọc một số lượng lớn các ảnh chụp X-quang vú. Công việc này là khó khăn và đòi hỏi
bác sphải nhiều kinh nghiệm. Một số nghiên cứu hồi cứu đã chỉ ra rằng, tlbỏ sót,
không phát hiện ra ung tnằm trong khoảng từ 10% đến 30% [95]. Các nguyên nhân
là do bác sỹ mệt mỏi, do cấu trúc phức tạp của mô vú trên ảnh hay do sự khó phân biệt của
ung thư so với bình thường. Thậm chí ngay cả những c sỹ kinh nghiệm nhất
cũng chỉ phát hiện chuẩn xác ung thư từ 85-91% [101]. Một số nghiên cứu khác chỉ ra
rằng nếu hai bác sỹ cùng đọc phim chụp X-quang vú thì tỷ lệ phát hiện phát hiện đúng tăng
lên khoảng 10% [73]. Tuy nhiên, thực hiện đọc phim chụp X-quang bởi hai bác sỹ
tốn kém, tốn thời gian và khó khăn về mặt chuẩn bị.
Các giải pháp hỗ trợ phát hiện các dấu hiện tổn thương ung thư CAD (Computer
Aided Detection) đã được phát triển nhằm trợ giúp bác strong quá trình tìm kiếm, phát
hiện, chỉ ra các dấu hiệu nghi ngờ là tổn thương ung thư vú trên ảnh chụp X-quang vú. Giải
pháp CAD này, được mô tnhư một sự kết hợp giữa các kỹ thuật xảnh, nhận dạng
2
mẫu, trí tuệ nhân tạo, chỉ đóng vai trò như một “người đọc thứ hai”, xác định các dấu hiệu
hay các vùng nghi ngờ ung thư vú trên ảnh chụp X-quang vú [99].
Về bản, giải pháp CAD y phải giải quyết được 2 nhiệm vụ. Thứ nhất phát
hiện các vùng nghi ngờ tổn thương ung thư trên ảnh. Thứ hai phân loại chúng
thành vùng chứa tổn thương ung thư hay bình thường nhằm loại bớt các vùng phát
hiện sai. Kết luận cuối cùng rằng các vùng nghi ngờ đó đúng tổn thương ung thư
hay không sẽ do c sỹ quyết định. Khi giải pháp CAD được sử dụng, độ chính xác phát
hiện ung thư vú của bác sỹ có thể tăng từ 10-15% [22].
Từ những nhiệm vụ y trên thế giới, các nghiên cứu vgiải pháp hỗ trợ phát
hiện các dấu hiệu tổn thương ung thư trên ảnh chụp X-quang cũng chia thành 2
hướng nghiên cứu chính. Hướng nghiên cứu thứ nhất tập trung vào việc nâng cao hiệu suất
phát hiện vùng nghi ngờ tổn thương ung thư vú. Hướng nghiên cứu còn lại thì tập trung
vào việc nâng cao hiệu suất phân loại vùng nghi ngờ ung thư vú.
Hiện nay, một số công ty trên thế giới đã xây dựng các giải pháp hỗ trợ phát hiện dấu
hiệu ung tổn thương ung thư trên ảnh chụp X-quang vú. Các giải pháp y đã được tổ
chức Quản lý thuốc dược phẩm FDA của Mỹ [52] công nhận đủ điều kiện để thương
mại hóa. thể kể đến ImageChecker của R2 Technology [53], MammoReader và
SecondLook của ICad [54]. Tuy nhiên gần như không thông tin về phương pháp
thuật toán được sử dụng trong các giải pháp này được công bố. Trong khi đó, lại rất
nhiều thông tin mô tả về lợi ích của những giải pháp này.
Tại Việt Nam hiện nay, chỉ chụp ảnh X-quang chẩn đoán, mới bắt đầu chương
trình chụp ảnh X-quang sàng lọc. Việc chẩn đoán ung thư từ ảnh chụp X-quang
vẫn được thực hiện thcông, đòi hỏi bác sphải trình độ chuyên môn cao. Chưa
bất kỳ một công cụ nào để hỗ trợ các c sỹ trong quá trình tìm kiếm, phát hiện c dấu
hiệu tổn thương ung thư vú. Số lượng các công trình nghiên cứu trong nước [4], [76] được
công bố là rất ít và đây vẫn được xem là một hướng nghiên cứu còn khá mới mẻ.
Cũng cần nhấn mạnh rằng, xây dựng giải pháp hỗ trợ phát hiện dấu hiệu tổn thương
ung thư trên ảnh chụp X-quang là một nhiệm vụ đặc biệt khó khăn, nhiều thách thức
do một số nguyên nhân. Thứ nhất, các tổn thương ung thư nhất tổn thương hình khối
trên ảnh chụp X-quang nhiều biểu hiện khác nhau [21]. Thứ hai các tổn thương này
thường bị che bởi các mô tuyến dầy đặc. Không những thế, trên ảnh chụp X-quang vú, các
tổn thương hình khối còn khá giống vùng u nang hay các vùng mật độ cao khác của vú
[31]. làm cho việc phát hiện chúng rất khó khăn. cuối cùng, hiệu suất phát hiện các
dấu hiệu tổn thương ung thư vú luôn được mong chờ tiến tới gần lý tưởng.
Mục tiêu nghiên cứu của luận án
những lý do nêu trên, trong khuôn khổ của luận văn y chỉ tập trung vào mục
tiêu nghiên cứu, phát triển một giải pháp hỗ trợ phát hiện các dấu hiệu tổn thương hình