Método de compressão e descompressão de imagens DICOM utilizando duplo cone
DOI:
https://doi.org/10.33448/rsd-v9i9.8032Palavras-chave:
Duplo Cone; Compressão; Descompressão; Codecs; DICOM.Resumo
O aumento de informações no ambiente médico provocado pelas modalidades de imageamento digital é notável. A procura e uso dessas ferramentas tecnológicas voltadas à medicina demandaram uma maior disponibilidade de armazenamento, gerando crescentes custos. Na medicina, em conjunto com a informática, existe um formato de imagens utilizado em exames, diagnósticos, tomografia, entre outros. Esse formato, intitulado DICOM, foi criado com o intuito de padronizar usos em aparelhos médicos para visualização de exames. Uma questão ainda em aberto é a compressão de dados DICOM, de forma a manter a qualidade, mantendo altas taxas de compactação. Esta tese apresenta um novo método para a compressão e descompressão de dados DICOM por meio de uma função bijetora de duplo cone e um codec de vídeo, intitulado DC (Duplo Cone). Este trabalho propõe 3 variações do método DC (DC1, DC2 e DC3). Os resultados obtidos com a nova técnica mostram que a compressão, embora com perda, tem uma taxa de similaridade bem próxima da imagem original (SSIM = 0.99), e razão de compressão igual a 69.51, no melhor caso. A versão de melhor desempenho foi a DC2.
Referências
Aldemir, E., Tohumoglu, G., & Selver, M. A. (2019). Performance Evaluation of Lossless Compression Algorithms for Medical Images. 2019 27th Signal Processing and Communications Applications Conference (SIU) (pp. 1–4). IEEE.
Balasamy, K., & Ramakrishnan, S. (2019). An intelligent reversible watermarking system for authenticating medical images using Wavelet and PSO. Cluster Computing.
Bhagat, A. P., & Atique, M. (2012). Medical images: Formats, compression techniques and DICOM image retrieval a survey. 2012 International Conference on Devices, Circuits and Systems, ICDCS 2012.
Bross, B., Han, W. J., Ohm, J. R., Sullivan, G. J., & Wiegand, T. (2012). High efficiency video coding (HEVC) text specification, draft 8, no. JCTVC-J1003_d7, ISO/IEC Draft Int’l. Standard.
Bui, V., Chang, L. C., Li, D., Hsu, L. Y., & Chen, M. Y. (2016). Comparison of lossless video and image compression codecs for medical computed tomography datasets. Proceedings - 2016 IEEE International Conference on Big Data, Big Data 2016.
C., N. C. I. C. P. T. A. (2018). Radiology data from the clinical proteomic tumor analysisconsortium glioblastoma multiforme [cptac-gbm] collection [data set]. the cancer imagingarchive.
CAR. Canadian association of radiologists. (2011). Canada health infoway. Retrieved from https://car.ca/wp-content/uploads/Compression-in-Digital-Imaging-2011.pdf
Clark, K., Vendt, B., Smith, K., Freymann, J., Kirby, J., Koppel, P., Moore, S., et al. (2013). The Cancer Imaging Archive (TCIA): maintaining and operating a public information repository. Journal of digital imaging, 26(6), 1045–1057. Springer.
Dash, S., Shakyawar, S. K., Sharma, M., & Kaushik, S. (2019). Big data in healthcare: management, analysis and future prospects. Journal of Big Data.
Dubey, V. G., & Singh, J. (2012). 3D medical image compression using Huffman encoding technique. International Journal of scientific and research publications, 2(9). Citeseer.
Erickson, B., Akkus, Z., Sedlar, J., & Kofiatis, P. (2017). Data from LGG-1p19qDeletion. The Cancer Imaging Archive.
Erickson, B. J. (2002). Irreversible compression of medical images. Journal of Digital Imaging.
Gonzalez, R. C., & Woods, R. E. (2007). Digital Image Processing (3rd Edition). Prentice-Hall, Inc. Upper Saddle River, NJ, USA ©2006.
Gupta, P., Srivastava, P., Bhardwaj, S., & Bhateja, V. (2011). A modified PSNR metric based on HVS for quality assessment of color images. Proceedings of the 2011 International Conference on Communication and Industrial Application, ICCIA 2011.
Horé, A., & Ziou, D. (2010). Image quality metrics: PSNR vs. SSIM. Proceedings - International Conference on Pattern Recognition.
Huang, H. K. (2019). PACS-Based Multimedia Imaging Informatics: Basic Principles and Applications. John Wiley & Sons.
El Jaouhari, S., Gibaud, B., Lemonnier, P., Pasquier, G., Poiseau, E., Guiffard, E., Hardy, P., et al. (2019). Introduction to DICOM-RTV: a new standard for real-time video communication in hospitals. 2019 IEEE International Conference on E-Health Networking, Application and Services, HealthCom 2019.
Kadam, S., & Rathod, V. R. (2019). Medical image compression using wavelet-based fractal quad tree combined with huffman coding. Advances in Intelligent Systems and Computing.
Kasban, H., & Hashima, S. (2019). Adaptive Radiographic Image Compression Technique using Hierarchical Vector Quantization and Huffman Encoding. Journal of Ambient Intelligence and Humanized Computing.
Langer, S. G. (2011). Challenges for data storage in medical imaging research. Journal of Digital Imaging.
Lee Rodgers, J., & Alan Nice Wander, W. (1988). Thirteen ways to look at the correlation coefficient. American Statistician.
Li, M., Chen, Z., & Sun, Z. (2020). A novel approach for blind recognition of shortened RS codes.
Liu, F., Hernandez-Cabronero, M., Sanchez, V., Marcellin, M. W., & Bilgin, A. (2017). The current role of image compression standards in medical imaging. Information (Switzerland).
Liu, W., & Lin, W. (2013). Additive white gaussian noise level estimation in SVD domain for images. IEEE Transactions on Image Processing.
De Macedo, D. D. J., Von Wangenheim, A., & Dantas, M. A. R. (2015). A Data Storage Approach for Large-Scale Distributed Medical Systems. Proceedings - 2015 9th International Conference on Complex, Intelligent, and Software Intensive Systems, CISIS 2015.
Mauro, B. (2006). Document and image compression. CRC press.
Mrak, M., Grgic, S., & Grgic, M. (2003). Picture quality measures in image compression systems. The IEEE Region 8 EUROCON 2003. Computer as a Tool. (Vol. 1, pp. 233–236). IEEE.
N. Baraskar, T., & R. Mankar, V. (2020). The DICOM Image Compression and Patient Data Integration using Run Length and Huffman Encoder. Coding Theory.
Ndong, B., Diop, O., Bathily, E. H. A. L., Mbodj, M., Gassama, S. S., Mboup, M. L., Tall, K., et al. (2015). JPEG2000 compression for scintigraphic images of metastasis of the prostatic cancer. 2015 2nd World Symposium on Web Applications and Networking, WSWAN 2015.
Parikh, S. S., Ruiz, D., Kalva, H., Fernandez-Escribano, G., & Adzic, V. (2018). High Bit-Depth Medical Image Compression with HEVC. IEEE Journal of Biomedical and Health Informatics.
Pole, A., & Shriram, R. (2018). 3-D Medical Image Compression by Using HEVC. 2018 Fourth International Conference on Computing Communication Control and Automation (ICCUBEA) (pp. 1–5). IEEE.
Rahmat, R. F., Andreas, T. S. M., Fahmi, F., Pasha, M. F., Alzahrani, M. Y., & Budiarto, R. (2019). Analysis of dicom image compression alternative using huffman coding. Journal of Healthcare Engineering.
Ridley, E. (1997). Universities collaborate on de facto standard for lossy compression. Telemedicine and Telehealth Networks, 3(6).
Russo, F. (2003). A method for estimation and filtering of Gaussian noise in images. IEEE Transactions on Instrumentation and Measurement, 52(4), 1148–1154. IEEE.
Saraiva, A. A., Castro, F. M. J., Costa, N. J. C., Sousa, J. V. M., Ferreira, N. M. F., Valente, A., & Soares, S. (2019). Comparative Study of Compression Techniques Applied in Different Biomedical Signals. BIOSIGNALS (pp. 132–138).
Saravanan, C., & Ponalagusamy, R. (2009). Lossless grey-scale image compression using source symbols reduction and Huffman coding. International Journal of Image Processing (IJIP), 3(5), 246.
Schlupkothen, F. R. N. (2012). Interoperability between medical image archives and consumer devices through web services. Digest of Technical Papers - IEEE International Conference on Consumer Electronics.
Schmainda, K. M., & Prah, M. (2018). Data from brain-tumor-progression. The Cancer Imaging Archive.
Shaiboun, M. M., & Shaheen, M. (2016). Streaming medical images using video compression. 2016 IEEE Symposium on Computers and Communication (ISCC) (pp. 125–128). IEEE.
Singh, A., Khehra, B. S., & Kohli, G. K. (2019). Differential Huffman Coding Approach for Lossless Compression of Medical Images. International Conference on Intelligent Computing and Communication (pp. 579–589). Springer.
Tackie Ammah, P. N., & Owusu, E. (2019). Robust medical image compression based on wavelet transform and vector quantization. Informatics in Medicine Unlocked.
Toh, K. K. V., & Isa, N. A. M. (2010). Noise adaptive fuzzy switching median filter for salt-and-pepper noise reduction. IEEE Signal Processing Letters.
Venkat, R. A., & Vaidyanathan, C. (2019). Lossless Video Compression Using Bayesian Networks and Entropy Coding. 2019 IEEE Region 10 Symposium (TENSYMP) (pp. 254–259). IEEE.
Wang, C., Yan, Z., Pedrycz, W., Zhou, M., & Li, Z. (2020). A weighted fidelity and regularization-based method for mixed or unknown noise removal from images on graphs. IEEE Transactions on Image Processing, 29, 5229–5243. IEEE.
Wong, S., Huang, H. K., Zaremba, L., & Gooden, D. (1995). Radiologic Image Compression—A Review. Proceedings of the IEEE.
Zheng, T.-L., Zhu, G.-Y., Wang, Y., Zhao, X.-Y., Li, Y.-Y., & Zhao, L. (2019). A Hybrid Method for Medical Image Compression in Mobile Picture Archiving and Communication System. Journal of Medical Imaging and Health Informatics, 9(7), 1401–1406. American Scientific Publishers.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2020 Aratã Andrade Saraiva; Marcos Soares de Oliveira; Joao Batista Neto
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
