[논문 리뷰] Region of Interest based Medical Image Compression

Utkarsh Prakash Srivastava, Toshiaki Fujii|arXiv (Cornell University)|2025. 01. 06.

Advanced Data Compression Techniques인용 수 5

한 줄 요약

BRATS 2020 데이터를 이용해 UNET으로 종양 영역을 분할하고 관심 영역(ROI)을 HEVC로 압축하여 진단 품질을 보존하면서 압축 효율을 향상시키는 ROI 기반 의료 영상 압축.

ABSTRACT

The vast volume of medical image data necessitates efficient compression techniques to support remote healthcare services. This paper explores Region of Interest (ROI) coding to address the balance between compression rate and image quality. By leveraging UNET segmentation on the Brats 2020 dataset, we accurately identify tumor regions, which are critical for diagnosis. These regions are then subjected to High Efficiency Video Coding (HEVC) for compression, enhancing compression rates while preserving essential diagnostic information. This approach ensures that critical image regions maintain their quality, while non-essential areas are compressed more. Our method optimizes storage space and transmission bandwidth, meeting the demands of telemedicine and large-scale medical imaging. Through this technique, we provide a robust solution that maintains the integrity of vital data and improves the efficiency of medical image handling.

연구 동기 및 목표

• 원격 의료를 위한 대용량 의료 영상 데이터 세트의 효율적 저장 및 전송을 촉진한다.
• 진단에 중요한 영역(종양)을 식별하고 압축 중 품질을 보호한다.
• 분절과 ROI 기반 코딩을 결합한 2단계 파이프라인을 제안하여 비트율과 품질의 균형을 맞춘다.

제안 방법

• BRATS 2020에서 UNET 분할을 적용하여 종양 영역을 위치시킨다.
• 종양 영역이 더 높은 충실도로 보존되는 ROI 코딩을 사용한다.
• ROI가 아닌 영역을 더 공격적으로 압축하여 전체 데이터 크기를 감소시킨다.
• ROI 영역의 압축 백본으로 High Efficiency Video Coding (HEVC)를 구현한다.
• 압축률과 진단 상세 보존 측면에서 접근법을 평가한다.

실험 결과

연구 질문

• RQ1 ROI 기반 코딩이 압축률과 진단 영상 품질 사이의 트레이드오프를 어떻게 개선할 수 있나?
• RQ2 BRATS 2020에서 얻은 UNET 기반 종양 분할이 압축 중 더 높은 충실도가 필요한 영역을 신뢰할 수 있게 식별할 수 있는가?
• RQ3 ROI 영역에 HEVC를 적용하면 전체 비트레이트를 줄이면서 진단 무결성을 유지할 수 있는가?

주요 결과

• ROI 기반 접근법은 전체 압축 효율성을 높이면서 중요한 진단 영역을 보존하는 것을 목표로 한다.
• 이 방법은 UNET 유도 종양 마스크를 활용하여 선택적 고충실도 인코딩을 추진한다.
• 파이프라인은 ROI 식별과 HEVC 압축을 통합하여 품질과 저장/전송 요구를 균형 있게 다룬다.
• 이 접근법은 원격의료 및 대규모 의료 영상 작업에 대해 강력하다고 제시된다.
• 연구는 필수 데이터의 손상을 초래하지 않으면서 저장 공간과 대역폭 최적화의 가능성을 보여준다.