[論文レビュー] Fully Convolutional Model for Variable Bit Length and Lossy High Density Compression of Mammograms

Aupendu Kar, Sri Phani Krishna Karri+3 more|arXiv (Cornell University)|May 17, 2018

Advanced Data Compression Techniques参考文献 14被引用数 6

ひとこと要約

本稿では、診断的に重要な特徴を保持しながら、マンモグラムの高密度で損失のある圧縮を実現する、アダプティブ算術符号化を備えた完全畳み込みオートエンコーダー（CAE）を提案する。圧縮比が300×を超える場合（0.04 bpp）、JPEG や JPEG2000 を上回る優れた性能を発揮し、放射線科医による検証済みの視覚的品質が超低ビットレートでも標準を満たすか、それを上回る。

ABSTRACT

Early works on medical image compression date to the 1980's with the impetus on deployment of teleradiology systems for high-resolution digital X-ray detectors. Commercially deployed systems during the period could compress 4,096 x 4,096 sized images at 12 bpp to 2 bpp using lossless arithmetic coding, and over the years JPEG and JPEG2000 were imbibed reaching upto 0.1 bpp. Inspired by the reprise of deep learning based compression for natural images over the last two years, we propose a fully convolutional autoencoder for diagnostically relevant feature preserving lossy compression. This is followed by leveraging arithmetic coding for encapsulating high redundancy of features for further high-density code packing leading to variable bit length. We demonstrate performance on two different publicly available digital mammography datasets using peak signal-to-noise ratio (pSNR), structural similarity (SSIM) index and domain adaptability tests between datasets. At high density compression factors of >300x (~0.04 bpp), our approach rivals JPEG and JPEG2000 as evaluated through a Radiologist's visual Turing test.

研究の動機と目的

• 超低ビットレートにおける診断的に重要な特徴を保持する高密度のマンモグラム圧縮手法を開発すること。
• 高圧縮領域において、アーチファクトが診断的有用性を損なう可能性がある従来の標準（JPEG や JPEG2000）の限界を克服すること。
• ディープラーニングとエントロピー符号化を活用して、ビットレートにかかわらず安定した画像品質を実現する可変ビット長圧縮を達成すること。
• 放射線科医による視覚的チューリングテストとクロスデータセット一般化を通じて、臨床的実用性を検証すること。

提案手法

• 完全畳み込みオートエンコーダー（CAE）を、平均二乗誤差（MSE）損失を用いてエンドツーエンドで学習させ、マンモグラムを潜在的コードテンソルに圧縮する。
• 空間解像度を低下させながら階層的特徴を抽出するため、ReLU活性化関数を用いた4段階のダウン畳み込みブロックを用いる。
• 潜在的コードテンソルは、float2int操作による量子化処理が施され、各要素がクリッピングおよびnビット精度に丸められ、可変ビット長表現が可能になる。
• 量子化された潜在的コードテンソルにアダプティブ算術符号化を適用し、統計的冗長性を活用してさらに圧縮効率を向上させる。
• 復元器は、対称的なアップ畳み込みブロックを用いて、圧縮された潜在的表現から画像を再構築する。
• 比較のためのベースラインとして、tanhおよびClippedReLU活性化関数を用いて16×16画像パッチ上で学習された完全結合オートエンコーダー（FCAE）を用いる。

実験結果

リサーチクエスチョン

• RQ1 圧縮比が300×を超える状況でも、完全畳み込みオートエンコーダーはマンモグラムにおける診断的に重要な特徴を保持できるか？
• RQ2 超低ビットレート（<0.1 bpp）におけるPSNRおよびSSIMの観点から、提案されたCAEベースの圧縮は、JPEG や JPEG2000 と比べてどのように優れているか？
• RQ3 潜在的コードテンソルにアダプティブ算術符号化を適用することで、画像品質を維持したまま可変ビット長圧縮が可能になるか？
• RQ4 CBIS-DDSMおよびDreamという異なるマンモグラフィー・データセット間で、CAEモデルの汎化性能（性能および特徴保持の観点）はどの程度か？
• RQ5 放射線科医は、視覚的チューリングテストにおいて、圧縮出力と元の画像を区別できるか？また、CAEはJPEG2000と比較して診断的関連性において優れているか？

主な発見

• 0.049 bpp において、CAEは構造的類似性（SSIM）を約0.80で達成し、JPEG2000（0.051 bpp）と同等の性能を示し、JPEG（0.132 bpp）を上回る。
• CAEは、0.04–0.1 bpp の広いビットレート範囲において、PSNRおよびSSIMの応答が比較的平坦に保たれる一方、JPEG や JPEG2000 はビットレートが低下するにつれて徐々に劣化する。
• 潜在的コードテンソルは低エントロピー（例：n=2のときH ≈ 1.98）を示しており、値の分布が疎であることが確認され、これにより算術符号化が効果的に機能し、高い圧縮利得が得られる。
• 視覚的チューリングテストでは、50%のCAE圧縮画像が放射線科医によって「圧縮済み」と正しく識別されたが、JPEG2000は52%であったため、感覚的品質は同等であると示された。
• CAEは強力なクロスデータセット一般化を示し、CBIS-DDSMで学習したモデルがDreamで、逆にDreamで学習したモデルがCBIS-DDSMで、ともに一貫したPSNRおよびSSIM性能を発揮した。
• CAEは、JPEGに特徴的なブロッキングアーチファクトを回避し、視覚的検査および放射線科医の評価でも滑らかな画像再構築を実現した。