Tài liệu Nghiên cứu xử lý ảnh spect tim trong hỗ trợ chẩn đoán bệnh động mạch vành

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Nguyễn Thành Trung NGHIÊN CỨU XỬ LÝ ẢNH SPECT TIM TRONG HỖ TRỢ CHẨN ĐOÁN BỆNH ĐỘNG MẠCH VÀNH LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỆN TỬ Hà Nội - 2021 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Nguyễn Thành Trung NGHIÊN CỨU XỬ LÝ ẢNH SPECT TIM TRONG HỖ TRỢ CHẨN ĐOÁN BỆNH ĐỘNG MẠCH VÀNH Ngành: Kỹ thuật Điện tử Mã số: 9520203 LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỆN TỬ NGƯỜI HƯỚNG DẪN KHOA HỌC: 1. TS. NGUYỄN THÁI HÀ 2. GS. TS. NGUYỄN ĐỨC THUẬN Hà Nội - 2021 i Lời cam đoan Tác giả xin cam đoan đây là công trình nghiên cứu riêng của tác giả, không sao chép của bất kỳ người nào. Các số liệu kết quả nêu trong luận án là hoàn toàn trung thực và chưa từng được tác giả khác công bố. T/M tập thể giáo viên hướng dẫn TS. Nguyễn Thái Hà Hà Nội, ngày tháng Tác giả năm NCS. Nguyễn Thành Trung ii Lời cảm ơn Tôi xin chân thành cảm ơn TS Nguyễn Thái Hà và GS.TS. Nguyễn Đức Thuận, 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 Bộ môn Công nghệ Điện tử và Kỹ thuật Y sinh, Phòng Đào tạo, Viện Điện tử -Viễn thông, Trường Đại học Bách Khoa Hà Nội đã tạo điều kiện thuận lợi để tôi hoàn thành nhiệm vụ nghiên cứu của mình. Tôi cũng xin chân thành cảm ơn tới khoa Y học Hạt nhân, bệnh viện Trung ương Quân đội 108; viện Công nghệ Thông tin, viện Khoa học và Công nghệ Quân sự đã hỗ trợ, cộng tác, tạo điều kiện để tôi hoàn thành nhiệm vụ nghiên cứu của mình. Tôi cũng bày tỏ lòng biết ơn đến Gia đình tôi, vợ và con tôi, các anh chị em, đồng nghiệp và bạn bè những người đã ủng hộ và động viên giúp đỡ tôi trong thời gian làm Luận án. MỤC LỤC LỜI CAM ĐOAN………………………………………………………………………………….i LỜI CẢM ƠN…………………………………………………………………………………..…ii MỤC LỤC………………………………………………………………………………………..iii DANH MỤC CÁC HÌNH VẼ …………………………………………………………………...vi DANH MỤC CÁC BẢNG BIỂU………………………………………………………………...ix DANH MỤC CÁC TỪ VIẾT TẮT …………………………………………………………..…..x MỞ ĐẦU 1. Lý do chọn đề tài, mục đích nghiên cứu………………………………………………………...1 2. Đối tượng, phương pháp và phạm vi nghiên cứu của luận án……………………….....……..…4 3. Ý nghĩa khoa học và thực tiễn của luận án………………………………………………………5 4. Các đóng góp của luận án……………………………..………………………………………..6 5. Bố cục của luận án………………………………………………………………….…………..7 CHƯƠNG 1. TỔNG QUAN VỀ PHƯƠNG PHÁP XẠ HÌNH TƯỚI MÁU CƠ TIM BẰNG MÁY SPECT……………………………………………………………………………………..8 1.1. Bệnh lý động mạch vành……………………………………………………………….…....8 1.1.1. Giải phẫu tim và bệnh lý mạch vành…………………………………..…….…….8 1.1.2. Các phương pháp chẩn đoán bệnh mạch vành…………………………………….9 1.2. Xạ hình tưới máu cơ tim bằng máy SPECT…………………………………………….…..11 1.2.1. Nguyên lý của phương pháp chụp xạ hình tưới máu cơ tim. ……………….….....11 1.2.2. Giá trị của phương pháp xạ hình tưới máu cơ tim bằng máy SPECT………....….13 1.2.3. Các yếu tố ảnh hưởng tới độ chính xác kết quả chẩn đoán…………………...…..15 1.3. Giải pháp xử lý ảnh SPECT tim trong hỗ trợ chẩn đoán bệnh động mạch vành. ……..…….17 1.3.1. Tình hình nghiên cứu các giải pháp trong nước. ……………………………..….17 1.3.2. Tình hình nghiên cứu các giải pháp ngoài nước. …………………………….…..18 1.3.3. Nhận xét, đánh giá các giải pháp đã khảo sát và đề xuất giải pháp của tác giả…. 23 1.4. Kết luận chương 1………………………………………………………………...………..25 iii CHƯƠNG 2. XÂY DỰNG BỘ CƠ SỞ DỮ LIỆU SPECT TIM……………………………..27 2.1. Vấn đề nghiên cứu. …..…………………….……………………………………………….27 2.2. Quy trình thu thập dữ liệu ……………………..………………………………...………….32 2.2.1. Cơ sở y học hạt nhân tiến hành thu thập dữ liệu………………………………....32 2.2.2. Quy trình xạ hình tưới máu cơ tim………………………………………...…….34 2.2.2.1. Quy trình thực hành theo từng vị trí……………………………….……34 2.2.2.2. Quy trình thực hiện kỹ thuật xạ hình tưới máu cơ tim bằng máy SPECT36 2.2.3. Tiêu chuẩn loại trừ mẫu…………………………………………………………...37 2.3. Quy trình xử lý, chuẩn hoá dữ liệu………………………………………………………….38 2.3.1. Quy trình chuẩn hoá dữ liệu hình ảnh……………………………………………38 2.3.2. Quy trình chuẩn hoá dữ liệu thông tin lâm sàng…………………………………40 2.4. Quy trình gắn nhãn dữ liệu………………………………………………………………….41 2.5. Xây dựng các tính năng bộ cơ sở dữ liệu…………………………………………………....44 2.6. Phân bố dữ liệu, tính cỡ mẫu ………………………………………………………..…….46 2.7. Nhận xét, đánh giá bộ cơ sở dữ liệu………….…………………………………………...…47 2.7. Kết luận chương 2.………………………………………………………………………..…50 CHƯƠNG 3. XÂY DỰNG BỘ LỌC NHIỄU SUY GIẢM SỬ DỤNG MẠNG DEEP LEARNING..................................................................................................................................52 3.1. 3.2. Vấn đề nghiên cứu....…...………………………………………………….…………….52 Xây dựng mô hình lọc nhiễu suy giảm cho ảnh SPECT MPI………………………...…56 3.2.1. Các mô hình CAE, GAN, U-net……………………………………………...…56 3.2.2. Các thước đo ………………………………………………………………….…68 3.2.3. Dữ liệu thử nghiệm………………………………………………………………71 3.2.4. Đề xuất mô hình 3D Convolutional Auto-Encoder (3D-CAE) trong hiệu chỉnh nhiễu suy giảm ……………………………………………………………………….……73 3.2.4.1. Mô hình đề xuất………………………………………………......……..73 3.2.4.2. Thử nghiệm và kết quả…………………………………………………..75 3.2.5. Đề xuất mô hình 3DUnet-GAN hiệu chỉnh nhiễu suy giảm……………..……….77 3.2.5.1. Mô hình đề xuất…………………………………………………………77 3.2.5.2. Hàm mục tiêu…………………………………………………….……...79 3.2.5.3. Thiết lập thử nghiệm……………………………………………….……83 3.2.5.4. Kết quả thử nghiệm mô hình……………………………………….……85 iv 3.2.6. Kết quả thực nghiệm………………………………………………………...……85 3.3. Kết luận chương 3……………………………………………………………………..…88 CHƯƠNG 4. PHÁT TRIỂN GIẢI PHÁP HỖ TRỢ CHẨN ĐOÁN BỆNH MẠCH VÀNH88 4.1. Vấn đề nghiên cứu…...……………………………..……………………………………90 4.2. Đề xuất giải pháp hỗ trợ chẩn đoán nâng cao chất lượng hình ảnh cho các máy SPECT thông thường…………………………………………………………………………..…93 4.3. 4.4. 4.2.1. 4.2.2. Thu thập dữ liệu thực nghiệm……………………………………………………93 Hiệu chỉnh suy giảm bằng mô hình 3D Unet GAN…………………………...…94 4.2.3. Tập dữ liệu………………………………………………………………….……95 4.2.4. Phương pháp thực nghiệm………………………………………………….……97 4.2.5. Kết quả thực nghiệm…………………………………………………………..…98 Đề xuất giải pháp hỗ trợ ra quyết định chẩn đoán……………………………….……..102 4.3.1. Cơ sở dữ liệu ……………………...……………………………….…………...102 4.3.2. Mô hình chẩn đoán……………………………………………………………...104 4.3.3. Thử nghiệm và kết quả…………………………………………..…………..….106 Kết luận chương 4………………………………………………………………………110 KẾT LUẬN…………………………………………………………………………...……..…111 TÀI LIỆU THAM KHẢO…………………………………………………………….……..…113 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ…………………………………..……….121 v DANH MỤC CÁC HÌNH VẼ Hình 1.1. Bệnh động mạch vành…..………………………………….…………………………8 Hình 1.2. Mạch máu của tim. 1. Xoang ngang 2.Động mạch vành phải 3. Động mạch vành trái 4. Động mạch mũ tim 5. Động mạch liên thất trước ……………………………………9 Hình 1.3. Đặc trưng hình ảnh khuyết xạ trên xạ hình tưới máu cơ tim…………………12 Hình 1.4. Chiến thuật điều trị thiếu máu cơ tim cục bộ dựa trên xạ hình tưới máu cơ tim……15 Hình 1.5. Sự phát triển của học máy trong tim mạch hạt nhân……………………………...…18 Hình 1.6. So sánh đường ROC giữa SVM và 2 bác sĩ trong dò tìm tổn thương cơ tim. …...…19 Hình 1.7. Độ nhạy, độ đặc hiệu và độ chính xác của thuật toán ML so với TPD và phân tích trực quan của 2 chuyên gia. ……………………………………………………………………20 Hình 1.8. Đường cong ROC cho dự đoán biến cố tim bất lợi MACE…………………………21 Hình 1.9. Mô hình DL trong dự đoán tắc nghẽn mạch vành……………………………..……22 Hình 2.1. Hệ thống máy SPECT: Infinia, Optima, Ventri……………………………………..30 Hình 2.2. Quy trình xạ hình tưới máu cơ tim bằng máy SPECT………………………………36 Hình 2.3. Ảnh lát cắt và ảnh cực được trình bày theo protocol chẩn đoán ………………..…..39 Hình 2.4. Protocol chuyên lấy ảnh cho học máy………………………………………………39 Hình 2.5. Sơ đồ chuẩn hóa dữ liệu…………………………………………………………..…40 Hình 2.6. File trả lời kết quả……………………………………………………………..……41 Hình 2.7. Ảnh cực được tổng hợp từ các lát cắt……………………………………….………43 Hình 2.8. Phần mềm gắn nhãn dữ liệu bệnh nhân…………………………………………..…44 Hình 3.1. Ảnh không hiệu chỉnh suy giảm (NC images) và ảnh có hiệu chỉnh suy giảm (AC images) của cùng một bệnh nhân………………………………………………………………54 Hình 3.2. Mạng nơron tích chập CNN…………………………………………………………57 Hình 3.3. Ma trận kích thước 600 * 800……………………………………………….………58 Hình 3.4. Biểu diễn ma trận điểm màu…………………………………………………...……58 Hình 3.5. Ba ma trận biểu diễn ảnh màu……………………………………………….………59 Hình 3.6. Ảnh mầu là một tensor 3 chiều ……………………………………………...……...59 Hình 3.7. Phép tính tích chập………………………………………………………………..…60 Hình 3.8. Phép tính tích chập cho ảnh màu có 3 kênh red, green, blue…………………..……61 Hình 3.9. Tensor 3 chiều có chiều sâu k………………………………………………….……61 vi Hình 3.10. Lớp gộp kích thước (2,2) …………………………………………………….……62 Hình 3.11. Các loại lớp gộp……………………………………………………………………63 Hình 3.12. Mạng CAE trong lọc nhiễu……………………………………………………...…63 Hình 3.13. Mô hình mạng U-net………………………………………………………….……65 Hình 3.14. Phép tính transposed convolution…………………………………………….……66 Hình 3.15. Sơ đồ mạng GAN………………………………………………………………..…67 Hình 3.16. Nhóm ảnh lát cắt thành một khối mẫu 3D…………………………………………72 Hình 3.17. Kiến trúc 3D-CAE đề xuất…………………………………………………………73 Hình 3.18. Đầu vào NC, ảnh biến đổi và ảnh đích thật. ………………………………………76 Hình 3.19. Kiến trúc 3DUnet-GAN……………………………………………………………78 Hình 3.20. Đồ thị hàm Sigmoid………………………………………………………………..79 Hình 3.21. Đồ thị hàm mục tiêu trong trường hợp yi = 1……………………………………...81 Hình 3.21. Đồ thị hàm mục tiêu trong trường hợp yi = 0………………………………….…..81 Hình 3.23. Ảnh đầu vào, ảnh dự đoán và ảnh thật………………………………………..……84 Hình 4.1 . Deep learning neural network, Regression, Random Forests, Support vector machine, Gradient Boosting Machines…………………………………………………………89 Hình 4.2. Trích xuất đặc trưng của học máy và deep learning ……………………………..…89 Hình 4.3. Ảnh dự đoán hiệu chỉnh suy giảm GenAC từ mô hình 3D Unet GAN và ảnh chưa hiệu chỉnh suy giảm NC……………………………………………………………………..…92 Hình 4.4. Thứ tự sắp xếp ảnh…………………………………………………….…………….93 Hình 4.5. Phần mềm hỗ trợ đọc kết quả trong thực nghiệm…………………………..……….94 Hình 4.6. Độ chính xác chẩn đoán……………………………………………………………..96 Hình 4.7. So sánh độ nhạy và độ đặc hiệu……………………………………………...98 Hình 4.8. Gia tăng tỉ lệ phát hiện bệnh nhân không tổn thương khi dùng GenAC………..…..98 Hình 4.9. Gia tăng tỉ lệ phát hiện các nhánh không tổn thương………………………...99 Hình 4.10. A. Ảnh cắt lát; B. Ảnh bản đồ cực………………………………………..…..…..100 Hình 4.11. Khuyết xạ tưới máu trên hình ảnh SPECT tim………………………..…………101 Hình 4.12. Kiến trúc VGG gồm 16 lớp CNN…………………………………………......….102 Hình 4.13. Kiến trúc mạng deep-learning sử dụng để chẩn đoán CAD………..………….....103 Hình 4.14. Kiểm tra chéo 5 đoạn (5-fold cross validation) …………………………….……105 Hình 4.15. Độ chính xác của 2 mô hình sử dụng ảnh cắt lát MPI và ảnh cực trên các tập con105 vii Hình 4.16. Độ chính xác trung bình của 2 mô hình sử dụng ảnh cắt lát MPI và ảnh bản đồ cực………………………………………………………………………………………….…106 Hình 4.17. ROC của 2 mô hình sử dụng ảnh cắt lát MPI và ảnh bản đồ cực……...…………106 viii DANH MỤC CÁC BẢNG BIỂU Bảng 1.1. Độ nhậy, đặc hiệu của SPECT MPI trong chẩn đoán bệnh động mạch vành….……14 Bảng 1.2. Các nghiên cứu sử dụng học máy ứng dụng trong tim mạch hạt nhân…………...…23 Bảng 2.1. Bảng thống kê các tập dữ liệu CT và SPECT MPI…………………………….……28 Bảng 2.2. Các tập dữ liệu ứng dụng trí tuệ nhân tạo trong tim mạch hạt nhân………………...32 Bảng 2.3. Dữ liệu nghiên cứu……………………………………………………………..……38 Bảng 2.4. Bảng mã hóa hệ số nguy cơ……………………………………………………….…41 Bảng 2.5. Bảng phân loại nhãn…………………………………………………………....……42 Bảng 2.6. 17 phân vùng cơ tim dùng trong trả lời kết quả………………………..……….……43 Bảng 2.7. Bảng thống kê thông tin của bộ dữ liệu……………………………………..…….…45 Bảng 2.8. Phân bố dữ liệu……………………………………………………………...…….…46 Bảng 3.1. Số lượng mẫu……………………………………………………………..…………72 Bảng 3.2. Kích thước của từng lớp 3D-CAE……………………………………………..……74 Bảng 3.3. Đánh giá trên các phép đo khác nhau (chữ in đậm thể hiện kết quả đo tốt nhất) ..…77 Bảng 3.4. Kết quả thực nghiệm (giá trị bôi đen là tốt nhất) ………………………………...…85 Bảng 3.5. Đánh giá hiệu suất (chữ in đậm cho giá trị đo tốt nhất) ……………………….……86 Bảng 4.1. Bảng thống kê thông tin của bộ dữ liệu………………………………....……91 Bảng 4.2. Bảng thống kê tổn thương cơ tim……………………………………….…....92 Bảng 4.3. Bảng chia mẫu……………………………………………………………..…93 Bảng 4.4. Số lượng mẫu……………………………………………………………..…….…..102 ix DANH MỤC CÁC TỪ VIẾT TẮT Từ viết tắt Tiếng Anh Tiếng Việt CAD Coronary artery disease Bệnh động mạch vành RCA Right coronary artery Động mạch vành phải LAD Left anterior decending Động mạch liên thất trước LCx Left circumplex artery Động mạch mũ MPI Myocardial perfusion imaging Xạ hình tưới máu cơ tim Single photon emission computed Chụp vi tính cắt lớp phát xạ đơn photon tomography spect Electrocardiogram Điện tâm đồ CT Computed tomography Chụp cắt lớp vi tính SRS Summed rest score Tổng điểm pha nghỉ SSS Summed stress score Tổng số điểm pha gắng sức SDS Summed differences score Điểm chênh lệch giữa 2 pha TPD Total perfusion deficit Tổng khuyết xạ SPECT ECG AUC ROC Areas under the receiver-operating Vùng dưới đường cong roc characteristic curve Support vector machine Máy vectơ hỗ trợ ML Machine learning Học máy TID Transient ischemic dilation Triệu chứng thiếu máu thoáng qua MACE Major adverse cardiovascular events Biến cố tim mạch bất lợi OSEM Ordered subset expectation Thuật toán tái tạo osem SVM maximization IRAC Iterative reconstruction attenuation Hiệu chỉnh suy giảm tái tạo lặp correction FBP PET/MR Filtered back projection Chiếu ngược có lọc Positron emission tomography– Chụp ảnh lai ghép positron và cộng magnetic resonance imaging hưởng từ x DL CADx MNIST DDSM Deep learning Học sâu Computer-aided diagnosis Hỗ trợ chẩn đoán bằng máy tính Mixed national institute of standards Viện quốc gia hỗn hợp về tiêu chuẩn và and technology công nghệ Digital database for screening Cơ sở dữ liệu số về chụp ảnh vú mammography MIAS Mammographic imaging analysis Cộng đồng phân tích ảnh nhũ vú society IRMA Image retrieval in medical applications Hình ảnh trong các các ứng dụng y tế QGS Quantitative gated spect Định lượng gắn cổng điện tim spect QPS Quantitative perfusion spect Định lượng tưới máu spect ASNC American society of nuclear Hiệp hội tim mạch hạt nhân hoa kỳ cardiology Red green blue 3 màu đỏ xanh lá xanh da trời NC Non attenuation correction Không hiệu chỉnh suy giảm AC Attenuation correction Hiệu chỉnh suy giảm BMI Body mass index Chỉ số khối cơ thể CAE Convolutional auto-encoder Mã hõa tự động tích chập MBIR Model-based iterative reconstruction Mô hình thuật toán tái tạo lặp NNC Neural network convolution Mạng nơ ron tích chập Higth-dose Liều cao Ultra-low-dose Liều rất thấp RBG HD ULD RED-CNN Residual encoder-decoder convolution Mạng nơ ron tích chập giải mã-mã hóa neural network GAN Generative adversarial network Mạng sinh CNN Convolutional neural network Mạng nơ ron tích chập Fully connected Mạng kết nối đầy đủ MSE Mean squared error Sai số toàn phương trung bình PSNR Peak signal to noise ratio Tỉ số tín hiệu cực đại trên nhiễu SSIM Structural similarity index Chỉ số so sánh sự tương đồng cấu trúc FC xi HVS Human visual system Hệ thống thị giác của con người PCC Pearson's correlation coefficient Hệ số tương quan pearson UQI Universal quality index Hệ số chất lượng phổ quát Normalized mean absolute error Sai số tuyệt đối trung bình chuẩn hóa NMAE xii MỞ ĐẦU 1. Lý do chọn đề tài, mục đích nghiên cứu Ngày nay, nguyên nhân gây tử vong và tàn phế hàng đầu tại các quốc gia phát triển là bệnh tim mạch. Tại các nước đang phát triển, bệnh tim mạch cũng có xu hướng gia tăng. Bệnh tim mạch chiếm 34,2% số tử vong chung trên toàn thế giới mỗi năm cho dù đã có nhiều phương pháp điều trị hữu hiệu. Ở Việt Nam, số người chết vì bệnh tim mạch khoảng 200.000 người, chiếm ¼ tổng số ca tử vong hằng năm. Theo thống kê, cứ 3 người trưởng thành thì có 1 người có nguy cơ tim mạch. Số liệu trên được đưa ra tại tọa đàm "Vì trái tim khỏe Việt Nam" diễn ra tại bệnh viện Tim Hà Nội 2015. Bệnh động mạch vành là bệnh lý tim mạch hay gặp nhất, là nguyên nhân gây tử vong hàng đầu trên thế giới. Nguyên nhân gây ra bệnh này chủ yếu do xơ vữa thành mạch, gây thiếu máu cơ tim cục bộ. Tổ chức y tế thế giới ước tính có tới 3,8 triệu đàn ông và 3,4 triệu phụ nữ chết vì bệnh động mạch vành mỗi năm. Tại các nước ở Bắc Mỹ và Tây Âu, tỉ lệ chết vì bệnh này đã giảm nhưng tại các nước đang phát triển, trong đó có Việt Nam, tỉ lệ này đang tăng nhanh. Con số ước tính chỉ ra rằng khoảng 82% tỉ lệ chết vì bệnh động mạch vành trong tương lai sẽ xẩy ra ở các nước đang phát triển. Xạ hình tưới máu cơ tim MPI (Myocardial Perfusion Imaging) bằng máy chụp cắt lớp phát xạ vi tính đơn photon SPECT (Sigle Photon Emission Computed Tomography) là phương pháp chẩn đoán bệnh thiếu máu cơ tim cục bộ không chảy máu có độ nhạy và độ đặc hiệu cao. Kỹ thuật này được thực hiện rộng rãi tại các nước phát triển bởi những giá trị chẩn đoán nó mang lại. Theo một thống kê gần đây tại Hoa Kỳ, mỗi năm có khoảng 7 triệu lượt bệnh nhân được tiến hành chụp xạ hình tưới máu cơ tim và đây là phương pháp được áp dụng nhiều nhất trong chuyên ngành tim mạch hạt nhân. Tuy nhiên, kỹ thuật xạ hình tưới máu cơ tim là một kỹ thuật khó, trải qua nhiều bước thực hiện từ dược chất phóng xạ, ghi hình, xử lý hình ảnh và đọc kết quả. Độ chuẩn xác của các bước này ảnh hưởng tới độ chính xác của chẩn đoán. Trong các yếu tố làm giảm độ chính xác của chẩn đoán thì nhiễu suy giảm trong khi ghi hình và sai sót chủ quan của bác sĩ đọc kết quả là những yếu tố quan trọng gây ảnh hưởng tới chất lượng chẩn đoán. 1 Một, nhiễu suy giảm là hiện tượng tia photon bị suy giảm năng lượng khi đi qua các tổ chức mô có tỉ trọng khác nhau, làm cho các photon không đến được các đầu dò của máy SPECT, dẫn đến phân bố phóng xạ ở cơ tim ghi bởi máy SPECT không chính xác. Để giải quyết vấn đề này, nhiều giải pháp đã được đưa ra như chụp nằm sấp, cải tiến thuật toán tái tạo và hiệu quả nhất bây giờ là gắn thêm một máy chụp cắt lớp vi tính (CT) vào cùng máy SPECT. Tuy nhiên, giá thành máy SPECT sẽ tăng lên đáng kể, kèm theo đó là các chi phí về phòng ốc và làm tăng nguy cơ mất an toàn bức xạ…Thêm vào đó, theo thống kê, số lượng máy SPECT đơn thuần đang chiếm khoảng 80 % trên thế giới nên giải quyết được nhiễu suy giảm mà vẫn tận dụng được những máy này có ý nghĩa quan trọng. Hai, sai sót chủ quan của bác sĩ bắt nguồn trình độ chuyên môn, độ phức tạp của hình ảnh, số lượng bệnh nhân lớn, khả năng tập trung, tâm trạng, sức khỏe…Theo thống kê ở Hoa Kỳ, sai sót chẩn đoán chung ước tính vào khoảng 10 đến 15% và trong tim mạch hạt nhân là 30 %. Giải pháp hỗ trợ phân loại bệnh nhân có tổn thương và không có tổn thương được phát triển nhằm giúp bác sĩ ra quyết định trên ảnh SPECT tim. Về cơ bản giải pháp hộ trợ này giống như người đọc thứ 2 có nhiệm vụ xác định tổn thương trên hình ảnh SPECT tim. Như vậy, vấn đề xử lý nhiễu suy giảm và hỗ trợ chẩn đoán để nâng cao độ chính xác là những yêu cầu cấp bách. Trước các vấn đề đó, các giải thuật học sâu đang có tiềm năng to lớn có thể là câu trả lời phù hợp nhất. Tuy nhiên, để thử nghiệm và đánh giá hiệu quả của các mô hình học sâu cần có tập dữ liệu lớn, đáng tin cậy. Theo các nghiên cứu về trí tuệ nhân tạo trong tim mạch hạt nhân trên thế giới thì số lượng nghiên cứu còn hạn chế, các tập dữ liệu có số mẫu nhỏ, chưa có nguồn gốc tin cậy. Đa phần các tập dữ liệu này đều sử dụng mẫu đầu vào là các biến chức năng, các tham số định lượng… phù hợp với mô hình học máy cũ như máy hỗ trợ vec-tơ, chưa tận dụng được sức mạnh của học sâu với công cụ trích chọn đặc trưng tự động từ hình ảnh. Một số tập dữ liệu tốt, có số lượng mẫu lớn, thu thập ở những trung tâm tin cậy thì không công khai, cá nhân hóa nên việc tiếp cận tập dữ liệu này rất khó khăn. Thêm nữa, các tập dữ liệu trên đều dựa trên cơ sở dữ liệu của bệnh nhân nước ngoài để tính các tham số định lượng nên khi áp dụng vào đặc điểm hình ảnh 2 SPECT tim của người Việt Nam chắc chắn có nhiều hạn chế. Điều này đã được nhiều nghiên cứu chứng minh và khuyến cáo rằng mỗi chủng người cần có bộ cơ sở dữ liệu riêng để đánh giá. Từ những điều trên có thể thấy rằng tập dữ liệu nghiên cứu SPECT tim còn ít và không áp dụng được cho người Việt Nam, cần xây dựng bộ cơ sở dữ liệu mang các đặc trưng của người Việt. Tuy nhiên, việc xây dựng cơ sở dữ liệu SPECT tim lớn sẽ rất khó khăn vì kỹ thuật xạ hình tưới máu cơ tim bằng máy SPECT là một kỹ thuật khó, rất ít trung tâm Y học Hạt nhân ở Việt Nam có thể làm được. Bên cạnh đó, sự tiếp cận dữ liệu với các vấn đề về quy định, bảo mật cũng như trình độ xử lý dữ liệu còn hạn chế sẽ làm công việc này trở nên khó khăn hơn. Mục đích của luận án là hỗ trợ chẩn đoán, hạn chế sai sót thông qua nghiên cứu, xử lý ảnh SPECT tim nhằm đưa ra các biện pháp cải thiện chất lượng hình ảnh, nâng cao độ chính xác chẩn đoán phương pháp xạ hình tưới máu cơ tim bằng máy SPECT. Do đó, nghiên cứu sinh đã tiến hành xây dựng các mục tiêu :  Xây dựng bộ dữ liệu SPECT tim có số mẫu lớn, độ tin cậy cao mang đặc trưng của người Việt Nam. Mục tiêu này giải quyết vấn đề cơ sở dữ liệu để thử nghiệm và kiểm định kết quả của các giải thuật học sâu trong hiệu chỉnh nhiễu suy giảm và hỗ trợ chẩn đoán nâng cao độ chính xác của phương pháp xạ hình tưới máu cơ tim. Thực hiện mục tiêu này bằng cách xây dựng các quy trình : quy trình thu thập dữ liệu, quy trình xử lý chuẩn hóa dữ liệu, quy trình gắn nhãn dữ liệu, quy trình xây dựng các đặc tính của bộ dữ liệu. Dữ liệu bệnh nhân được thu thập từ quy trình thực hành chuẩn Y học Hạt nhân cho dược sĩ chuẩn bị dược chất phóng xạ, kỹ thuật viên tiêm và chụp hình, bác sĩ trả lời kết quả. Quy trình thu nhận hình ảnh được thiết lập theo hướng dẫn của hội tim mạch hạt nhân châu Âu và hiệp hội tim mạch hạt nhân Hoa Kỳ. Quy trình xử lý dữ liệu được thiết lập để bảo tồn các đặc trưng hình ảnh SPECT tim, chuẩn hóa dữ liệu cho phù hợp với đầu vào của các mô hình học máy, loại bỏ các thông tin không cần thiết giảm khối lượng tính toán, kết hợp các yếu tố nguy cơ đưa vào bộ cơ sở dữ liệu. Quy trình gắn nhãn dữ liệu được thực hiện bởi các bác sĩ có ít nhất 10 năm kinh nghiệm đọc xạ hình tưới máu cơ tim. Quy trình xây dựng các tính năng của bộ 3 dữ liệu như trích xuất thông tin bệnh nhân, bảo mật thông tin người bệnh, trích xuất các đặc tính mang tính thống kê như tuổi, giới tính, bệnh sử lâm sàng, kết luận tổn thương…  Đề xuất giải pháp lọc nhiễu suy giảm mà không dùng đến máy CT bằng học máy, tận dụng được những máy SPECT thông thường. Giải pháp này chính là áp dụng mô hình học sâu trong dự đoán ảnh có hiệu chỉnh suy giảm, có chất lượng và độ chính xác tương đương hình ảnh hiệu chỉnh suy giảm bằng máy chụp cắt lớp CT. Dữ liệu đưa vào mô hình học máy gồm tập ảnh được chuẩn hóa ở mục tiêu trên, chụp bởi hệ thống máy SPECT/CT hiện đại nhất của Gehealthcare, bao gồm ảnh đầu vào chưa có hiệu chỉnh suy giảm, ảnh gắn nhãn huấn luyện là ảnh hiệu chỉnh suy giảm bằng CT của cùng bệnh nhân tương ứng. Mô hình học được thiết kế phù hợp với các đặc trưng hình ảnh SPECT tim, các tham số được cải thiện qua các thử nghiệm.  Đề xuất giải pháp hỗ trợ bác sĩ nâng cao độ chính xác chẩn đoán trên ảnh SPECT tim. Mục tiêu này nhằm làm giảm sai sót do yếu tố chủ quan, mà cụ thể là phục vụ bác sĩ trong quá trình trả lời kết quả. Mô hình học sâu sẽ học các đặc trưng của hình ảnh mang tổn thương và đặc trưng của bệnh nhân không có tổn thương. Trải qua quá trình huấn luyện, mô hình sẽ hỗ trợ bác sĩ phân loại bệnh nhân không có tổn thương nhanh hơn, tập trung vào các bệnh nhân có tổn thương. Dữ liệu học ở đây chính là hình ảnh SPECT tim kèm các hệ số nguy cơ, đầu ra gắn nhãn bởi bác sĩ sẽ giúp mô hình mạng thiết lập các tham số tối ưu. 2. Đối tượng, phương pháp và phạm vi nghiên cứu của luận án Đối tượng nghiên cứu của luận án:  Đặc trưng hình ảnh xạ hình tưới máu cơ tim bằng máy SPECT, các yếu tố ảnh hưởng đến hình ảnh SPECT tim đặc biệt là nhiễu suy giảm.  Các mô hình xử lý nhiễu ảnh, các giải pháp nâng cao chất lượng hình ảnh.  Nghiên cứu phương pháp ghi hình và thu thập dữ liệu SPECT tim 4 Phương pháp nghiên cứu của luận án Phương pháp nghiên cứu sử dụng trong luận án là phương pháp kinh điển: thu thập thông tin thông qua khảo sát thực tế, đề xuất xây dựng mô hình lý thuyết, sử dụng dữ liệu thực tế để kiểm tra kết quả và so sánh với các phương pháp khác đã công bố. Phạm vi nghiên cứu của luận án:  Đặc trưng hình ảnh SPECT tim, các phương pháp lọc nhiễu: Nghiên cứu đặc trưng hình ảnh tổn thương và không tổn thương, nhiễu suy giảm thường gặp và các phương pháp loại bỏ nhiễu.  Các mô hình phân lớp sử dụng trí tuệ nhân tạo và phương pháp xây dựng các mô hình này.  Các mô hình lọc nhiễu, tăng cường chất lượng hình ảnh, các phương pháp xây dựng các mô hình này.  Nghiên cứu các bộ cơ sở dữ liệu, phương pháp xây dựng bộ cơ sở dữ liệu phù hợp với học sâu. 3. Ý nghĩa khoa học và thực tiễn của luận án Về ý nghĩa khoa học:  Có được một bộ dữ liệu SPECT tim có số lượng lớn, độ chính xác cao, xây dựng tại cơ sở y học hạt nhân có uy tín được công bố rộng rãi. Bộ dữ liệu này được xây dựng với các đặc trưng hình ảnh SPECT tim của người Việt Nam. Đây không chỉ phục vụ cho nghiên cứu của tác giả mà còn phục vụ các nghiên cứu khác trong xử lý ảnh, hỗ trợ chẩn đoán bệnh động mạch vành trên ảnh SPECT tim sau này.  Vấn đề xử lý nhiễu suy giảm trên ảnh SPECT tim bằng deep learning được nghiên cứu tổng thể, có hệ thống trên một cơ sở dữ liệu lớn, độ chính xác cao, thực hiện tại một cơ sở y học hạt nhân tin cậy. Mô hình lọc nhiễu được đề xuất có độ chính xác tương đương việc lắp thêm một máy chụp cắt lát CT cùng thuật toán phức tạp vào máy SPECT thông thường. 5  Vấn đề hỗ trợ bác sĩ trong trả lời kết quả xạ hình tưới máu cơ tim được nghiên cứu tổng thể. Điều đó được thể hiện thông phương pháp phân loại tổn thương hay không tổn thương được đề xuất. Về ý nghĩa thực tiễn:  Tập dữ liệu SPECT tim được công bố là động lực để phát triển các thuật toán học máy của các nghiên cứu xử lý nhiễu suy giảm, hỗ trợ chẩn đoán sau này.  Giải pháp hiệu chỉnh nhiễu suy giảm bằng mô hình deep learning mang lại nhiều ý nghĩa thực tiễn. Thứ nhất, giải pháp này nếu được áp dụng sẽ làm giảm liều chiếu xạ cho bệnh nhân, giảm nguy cơ mất an toàn bức xạ, một vấn đề đang được cộng đồng y học rất quan tâm. Thứ hai, giải pháp này giảm chi phí mua sắm thiết bị, chi phí xây dựng phòng ốc bảo đảm an toàn bức xạ, tận dụng và phát huy được những máy SPECT đơn thuần sẵn có để thực hiện được kỹ thuật cao như xạ hình tưới máu cơ tim. Thư ba, giải pháp này sẽ là cảm hứng để phát triển các thế hệ máy SPECT tiếp theo trong tương lai. Thứ tư, ý tưởng của giải pháp này có thể mở rộng áp dụng để hiệu chỉnh suy giảm cho ảnh PET/CT, ảnh PET/MR…  Giải pháp hỗ trợ chẩn đoán sẽ phân loại có tổn thương hay không có tổn thương cơ tim trên ảnh SPECT tim. Các bác sĩ sẽ tập trung phân tích nhiều hơn vào các trường hợp nghi ngờ, giảm sai sót, tăng độ chính xác chẩn đoán. 4. Các đóng góp của luận án  Xây dựng một bộ cơ sở dữ liệu về xạ hình tưới máu cơ tim bằng máy SPECT có số lượng lớn, tin cậy làm tiền đề phát triển các thuật toán học sâu về sau.  Đề xuất giải pháp bộ lọc nhiễu suy giảm bằng phương pháp học sâu có chất lượng tương đương với việc lắp thêm một máy chụp cắt lớp CT kèm các thuật toán phức tạp vào hệ thống máy SPECT thông thường.  Đề xuất giải pháp hỗ trợ chẩn đoán xạ hình tưới máu cơ tim bằng máy SPECT nâng cao độ chính xác bằng giải thuật học sâu. 6