Luận án TS Đặng Nguyễn Ngọc An: Ước lượng & tái tạo ảnh 3D cấu trúc hấp thụ NIR

Ánh sáng hồng ngoại gần (NIR) có vai trò thiết yếu trong nhiều lĩnh vực. NIR được sử dụng để theo dõi bệnh lý của các cơ quan con người. Nó cũng hữu ích trong các ứng dụng y sinh học, sinh trắc học. Ngoài ra, NIR còn được dùng trong các thí nghiệm động vật. Khả năng xuyên sâu vào mô là một lợi thế lớn của NIR so với các dải sóng khác.

Môi trường sinh học gây tán xạ mạnh mẽ ánh sáng NIR. Điều này làm giảm độ phân giải của ảnh và giới hạn độ sâu quan sát. Các hình ảnh thu được thường bị mờ. Đây là rào cản chính ngăn cản việc triển khai rộng rãi kỹ thuật này. Việc giải quyết tán xạ là cần thiết để nâng cao chất lượng hình ảnh và mở rộng ứng dụng.

Các bộ lọc xử lý ảnh hiện nay cần sự điều chỉnh cẩn thận. Việc thiết lập chúng yêu cầu kinh nghiệm từ người sử dụng. Điều này làm giảm tính tự động hóa và tăng độ phức tạp. Các bộ lọc này cũng không dễ dàng thích nghi với các mức độ tán xạ khác nhau. Đây là một hạn chế lớn khi áp dụng vào các môi trường đa dạng.

Xử lý ảnh bằng cách giải chập với hàm sáng điểm phụ thuộc độ sâu là một thách thức. Quá trình này đòi hỏi thực hiện từng bước theo độ sâu. Điều này tiêu tốn nhiều tài nguyên tính toán và thời gian. Kết quả giải chập thường không đạt độ chính xác tối ưu. Chúng còn phụ thuộc vào số lần lặp, một tham số thường được chọn dựa trên kinh nghiệm thay vì một phương pháp khoa học.

Giải pháp tập trung vào việc khử mờ ảnh truyền qua hiệu quả hơn. Nó đặc biệt hiệu quả với các cấu trúc hấp thụ phức tạp như mạch máu. Kỹ thuật này sử dụng ánh sáng NIR. Phạm vi độ sâu xử lý rộng, từ 0,1 mm đến 100 mm. Điều này mở rộng đáng kể khả năng quan sát trong môi trường tán xạ.

Luận án không chỉ khử mờ mà còn ước lượng thông tin cấu trúc. Nó đề xuất các giải pháp để tái tạo hình ảnh 3D của các cấu trúc hấp thụ. Việc này được thực hiện từ một hoặc vài ảnh 2D ban đầu. Mục tiêu là đơn giản hóa quy trình thu nhận ảnh. Đồng thời, nó tăng cường khả năng phân tích và quan sát cấu trúc một cách toàn diện.

Các mạng học sâu đóng vai trò trung tâm trong giải pháp này. Chúng được huấn luyện để xử lý ảnh tán xạ. Mạng có khả năng khử mờ các cấu trúc hấp thụ. Đồng thời, chúng ước lượng thông tin chi tiết từng điểm ảnh. Cách tiếp cận này giúp cải thiện độ chính xác và hiệu quả xử lý so với phương pháp truyền thống.

Một điểm nổi bật là khả năng tái tạo ảnh 3D từ một ảnh 2D duy nhất. Kỹ thuật quét từng điểm ảnh kết hợp học sâu giúp thực hiện điều này. Mô hình học sâu tạo ra ảnh khử mờ và ước lượng thông tin cần thiết. Sau đó, nó xây dựng lại biểu diễn 3D của cấu trúc hấp thụ. Điều này đơn giản hóa quy trình và mở ra nhiều tiềm năng ứng dụng.

Nghiên cứu chứng minh sự cải thiện vượt trội về hiệu suất. Các mạng học sâu xử lý tốt các cấu trúc hấp thụ ở độ sâu lớn. Với độ sâu vượt quá 15 mm, hiệu quả xử lý được nâng cao rõ rệt. Ảnh tái tạo đạt độ tương quan lên đến 95% so với cấu trúc gốc. Đây là một bước tiến quan trọng trong việc khắc phục giới hạn độ sâu quan sát.

Các kết quả thử nghiệm trên mô phỏng, mô sinh học giả lập và chuột đều tích cực. Ảnh cấu trúc thu được rõ nét hơn và tương đồng với cấu trúc thực. Giải pháp học sâu đã chứng minh tính khả thi cao. Nó mở đường cho việc phát triển các ứng dụng thực tế trong y tế và sinh học. Điều này bao gồm chẩn đoán hình ảnh và theo dõi bệnh lý.

Nghiên cứu đã khẳng định hiệu quả của phương pháp. Nó xử lý tốt các ảnh truyền qua của các cấu trúc hấp thụ phức tạp. Điều này bao gồm cả các cấu trúc trong mô sinh học. Chất lượng hình ảnh được cải thiện đáng kể. Thông tin chi tiết hơn về cấu trúc bên trong được trích xuất. Đây là một bước tiến quan trọng trong chẩn đoán hình ảnh NIR.

Kết quả nghiên cứu cung cấp một nền tảng vững chắc. Nó hỗ trợ cho các nghiên cứu tiếp theo trong lĩnh vực. Các nhà khoa học có thể thiết kế và chế tạo các thiết bị mới. Những thiết bị này sẽ có khả năng thu nhận và xử lý ảnh NIR hiệu quả hơn. Nghiên cứu đóng góp vào việc ứng dụng công nghệ học sâu. Điều này thúc đẩy sự phát triển của y sinh học và kỹ thuật y tế.