[논문 리뷰] Medical Image Compression using Wavelet Decomposition for Prediction Method

Sridhar Ramesh, A. Shanmugam|arXiv (Cornell University)|2010. 02. 11.

Advanced Data Compression Techniques인용 수 25

한 줄 요약

이 논문은 이산 웨이블릿 변환(DWT)을 적용한 후 상하위대별 예측을 관련 분석 기반으로 수행하는 손실 없는 의료 영상 압축 기법을 제안한다. 다중공선성 문제를 줄이기 위해 계수 그래프 방법을 활용해 최적의 예측 변수를 선택함으로써, 뇌 MRI 및 CT 영상에서 높은 압축률을 달성하며, 기존 최첨단 기법들보다도 성능이 뛰어나 압축률과 예측 정확도 측면에서 모두 슈퍼어리어를 기록한다.

ABSTRACT

In this paper offers a simple and lossless compression method for compression of medical images. Method is based on wavelet decomposition of the medical images followed by the correlation analysis of coefficients. The correlation analyses are the basis of prediction equation for each sub band. Predictor variable selection is performed through coefficient graphic method to avoid multicollinearity problem and to achieve high prediction accuracy and compression rate. The method is applied on MRI and CT images. Results show that the proposed approach gives a high compression rate for MRI and CT images comparing with state of the art methods.

연구 동기 및 목표

• 의료 영상에 특화된 고해상도 유지가 가능한 손실 없는 압축 기법을 개발하기 위해.
• 웨이블릿 분해를 통해 상하위대 간 상관관계를 활용하여 의료 영상의 중복성을 줄이기 위해.
• 다중공선성을 최소화하고 예측 정확도를 극대화하는 최적의 예측 변수 선택을 통해 압축 효율을 향상시키기 위해.
• 기존 최첨단 기술들과의 비교를 통해 실제 뇌 MRI 및 CT 영상에서의 성능을 평가하기 위해.
• 진단 목적에 적합한 손실 없는 복원 품질을 유지하면서도 높은 압축률을 달성하기 위해.

제안 방법

• 의료 영상에 이산 웨이블릿 변환(DWT)을 적용하여 다수의 상하위대(LL, LH, HL, HH)로 분해하기 위해.
• 각 상하위대 내의 웨이블릿 계수 간 상관 분석을 수행하여 예측 관계를 식별하기 위해.
• 다중공선성을 최소화하고 예측 정확도를 향상시키기 위해 계수 그래프 방법을 활용해 예측 변수를 선택하기 위해.
• 선택된 예측 변수와 계수 관계를 기반으로 각 상하위대에 대한 예측 식을 수립하기 위해.
• 예측 잔차를 엔트로피 코딩을 통해 인코딩하여 손실 없는 압축을 달성하기 위해.
• 역예측 및 역DWT를 사용하여 압축된 데이터에서 원본 영상을 복원하기 위해.

실험 결과

연구 질문

• RQ1 웨이블릿 기반 상하위대 분해가 의료 영상의 중복성을 효과적으로 줄여 압축 성능을 향상시키는가?
• RQ2 관련 분석 기반 상하위대별 예측이 기존 방법과 비교해 압축 효율을 어떻게 향상시키는가?
• RQ3 예측 변수 선택을 위한 계수 그래프 방법이 다중공선성을 어느 정도 줄이고 예측 정확도를 향상시키는가?
• RQ4 이 기법을 사용할 경우 MRI 및 CT 영상에서 기존 최첨단 기술들과 비교해 어떤 압축률을 달성할 수 있는가?
• RQ5 제안된 방법이 진단용 의료 영상에 적합한 손실 없는 복원 품질을 유지하는가?

주요 결과

• 제안된 방법은 기존 최첨단 손실 없는 압축 기법들보다 뇌 MRI 및 CT 영상에서 더 높은 압축률을 달성한다.
• 관련 분석 기반 상하위대별 예측의 적용이 예측 정확도를 크게 향상시키고 잔차 에너지를 감소시킨다.
• 계수 그래프 방법을 통해 다중공선성 문제를 성공적으로 완화하여 모델의 안정성을 향상시켰다.
• T1 강조 MRI 및 CT 스캔을 포함한 다양한 의료 영상 유형에서 일관된 성능을 보였다.
• 압축 결과는 모든 진단용 영상 정보를 유지하면서도 손실 없는 압축에 효과적임을 시사한다.
• 시험 데이터셋에서 전통적인 웨이블릿 기반 압축 방법들보다도 이 기법이 압축률과 예측 효율 측면에서 뛰어나다.