Diagnostically lossless compression strategies for x-ray angiography images

Author

Xu, Zhongwei

Director

Bartrina-Rapesta, Joan

Serra Sagristà, Joan

Date of defense

2015-07-22

ISBN

9788449055508

Legal Deposit

B-24092-2015

Pages

78 p.



Department/Institute

Universitat Autònoma de Barcelona. Departament de Telecomunicació i Enginyeria de Sistemes

Abstract

En las últimas décadas se han producido mejoras significativas en las técnicas de imagen médica. Hoy en día, el uso de estas técnicas es habitual en la mayoría de sistemas sanitarios, y las imágenes producidas forman parte integral de las fichas de los pacientes. De entre las modalidades de imagen médica habitualmente empleadas, los rayos X es una de las más populares gracias a su bajo coste, alta resolución y su excelente capacidad para penetrar dentro de los tejidos. Dentro de la familia de la imagen de rayos X, las angiografías de rayos X --las cuales emplean cateterización minimamente invaisva-- se emplean rutinariamente para detectar irregularidades en el sistema vascular. Las imágenes de angiografías de rayos X se pueden clasificar en dos typos: angiografía de rayos X general (GXA) ,las cuales presentan los vasos sanguíneos de diferentes partes del cuerpo como brazos, piernas, pies, etc., y las secuencias de video de angiogramas coronarios (CAVSs), las cuales muestran solo los árboles de los vasos coronarios para el diagnóstico de enfermedades cardiovasculares. Dadas las diferencias en cuanto a función, estos dos tipos de imagen presentan características muy diferentes. Las imágenes GXA suelen poseer una alta resolución espacial, pero una baja resolución temporal. Por otro lado, las CAVSs suelen tener una resolución espacial más baja pero una resolución temporal mucho mayor. Debido al número creciente de estudios médicos que emplean angiogramas de rayos X, surge una necesidad de almacenar y compartir las imágenes producidas, por lo que la compresión de las mismas se está convirtiendo en una tarea crítica. La compresión con pérdida tiene la ventaja de una gran capacidad de reducción del tamaño del fichero comprimido, pero en general se rechaza en la comunidad médico debido a que los cambios introducidos en las imágenes podrían afectar al proceso de diagnóstico. Por otro lado, la compresión sin pérdida garantiza una fidelidad de datos perfecta, pero resulta en ratios de compresión menores. Por última. la compresión sin pérdida en el diagnóstico se está convirtiendo en la opción preferida dado que permite obtener ratios de compresión mejores que la compresión puramente sin pérdida, sin sacrificar excesiva precisión en los procesos de diagnóstico. En la compresión sin pérdida en el diagnóstico, los datos clínicamente relevantes se comprimen sin pérdida, mientras que los datos irrelevantes para el diagnóstico se comprimen con algo de pérdida. En este escenario, identificar las zonas relevantes y no relevantes para el diagnóstico es la primera etapa, y además la más importante en este tipo de compresión. En esta tesis se desarrollan dos estrategias de compresión sin pérdida en el diagnóstico. La primera se propone para imágenes GXA. La segunda, para CAVSs. La técnica para imágenes GXA identifica primero el área focal relevante y después se aplican métodos de supresión de fondo (background) para mejorar el rendimiento de la compresión. La técnica para imágenes CAVSs se ha implementado para reconocer los cuadros (frames) que no contienen estructuras de vasos sanguíneos visibles. Estos cuadros se comprimen con pérdida, mientras que el resto se comprimen sin pérdida. Se han probado varias técnicas de compresión para cada tipo de imágenes, incluyendo standars compatibles con DICOM como JPEG2000, JPEG-LS, H.264/AVC, y el último estandard de compresión de vídeo HEVC. En JPEG2000, la compresión multicomponente y la compresión progresiva también se han evaluado. Los resultados experimentales indican que las dos técnicas arriba descritas son capaces de detectar los datos relevantes para el diagnóstico. En cuanto a los resultados de compresión, la técnica propuesta para imágenes GXA obtiene reducciones de tamaño de hasta el 34% y mejoras en la reconstrucción progresiva de hasta 20~dB de SNR. La técnica para CAVSs produce resultados de compresión un 19% mejores, en comparación con las técnicas de compresión sin pérdida.


The past several decades have witnessed a major evolution in medical imaging techniques, making medical images become commonplace in healthcare systems and an integral part of a patient medical record. Among the existing medical imaging modalities, X-ray imaging is one of the most popular technologies due to its low cost, high resolution and excellent capability to penetrate deep within tissue. In particular, X-ray angiographies --which use minimally invasive catheterization-- and X-ray imaging are widely used to identify irregularities in the vascular system. X-ray angiography images can be classified into two types: general X-ray angiography (GXA) images, which present blood vessels in several body parts like arms, legs, foots, etc.; and coronary angiogram video squences (CAVSs), which only focus on coronary vessel trees for diagnosing cardiovascular diseases. Because of the differences in functions, these two types of images have different features: GXA images normally have high spatial resolutions (the width and height sizes) but low temporal resolution (the number of frames), while CAVSs usually have lower spatial resolutions but higher temporal resolution. Due to the increasing number of medical studies using X-ray angiography images and the need to store and share them, compression of these images is becoming critical. Lossy compression has the advantage of high data reduction capability, but it is rarely accepted by medical communities because of the modification of data that may affect the diagnosis process. Lossless compression guarantees perfect reconstruction of the medical signal, but results in low compression ratios. Diagnostically lossless compression is becoming the preferred choice, as it provides an optimal trade-off between compression performance and diagnostic accuracy. In diagnostically lossless compression, the clinically relevant data is encoded without any loss while the irrelevant data is encoded with loss. In this scenario, identifying and distinguishing the clinically relevant from the clinically irrelevant data in medical images is the first and usually most important stage in diagnostically lossless compression methods. In this thesis, two diagnostically lossless compression strategies are developed. The first one is proposed for GXA images. The second one if proposed for CAVSs. For GXA images, the clinically relevant focal area in each frame is first identified; and then a background-suppression approach is employed to increase the data redundancy of the images and hence improve the compression performance. For CAVSs, a frame-identification procedure is implemented to recognise the diagnostically unimportant frames that do not contain visible vessel structures; then, lossy compression is applied to these frames, and lossless compression is applied to the other frames. Several compression techniques have been investigated for both types of images, including the DICOM-compliant standards JPEG2000, JPEG-LS and H.264/AVC, and the latest advanced video compression standard HEVC. For JPEG2000, multicomponent-transform and progressive lossy-to-lossless coding are also tested. Experimental results suggest that both the focal-area-identification and frame-identification processes are automatic in computation and accurate in clinically relevant data identification. Regarding the compression performance, for GXA images, when compared to the case of coding with no background-suppression, the diagnostically lossless compression method achieves average bit-stream reductions of as much as 34\% and improvements on the reconstruction quality of up to 20 dB-SNR for progressive decoding; for CAVSs, the frame-identification followed by selective lossy \& lossless compression strategy achieves bit-stream reductions of more than 19\% on average as compared to lossless compression.

Keywords

Image compression; X-ray angiography

Subjects

004 - Computer science and technology. Computing. Data processing

Knowledge Area

Tecnologies

Documents

zx1de1.pdf

1.507Mb

 

Rights

L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/es/
L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/es/

This item appears in the following Collection(s)