Hasso-Plattner-Institut
  
    • de
 

Kompression medizinischer Bilder

Ein patentiertes Kompressionsverfahren für medizinische Bilder

Einleitung

Fast jedes Krankenhaus ist heute mit einem modernen intranet-internet-orientierten Radiologie-Informations-System (RIS) für die Bearbeitung und Übertragung medizinischer Bilder ausgerüstet. Beim internet-basierten Austausch medizinischer Bilddaten tauchen jedoch zwei schwerwiegende Probleme auf. Das erste besteht in der unzumutbar langen Dauer der Übertragung medizinischer Bilder. Beispielsweise benötigt ein DR-Bild eine Speicherkapazität von 10 bis 40 MB, MT-Bildfolgen benötigen bis zu 150 MB. Bei einer Übertragung über eine ISDN-Leitung ergeben sich damit Übertragungszeiten zwischen 2 und 3 Stunden. Für die meisten medizinischen Anwendungen ist dies vollkommen unakzeptabel. Das zweite Problem ist mit der vorgeschriebenen Archivierung verbunden. So werden im Krankenhaus täglich Bilddaten mit einem Speicheraufwand von bis zu 1 GB produziert. Den gesetzlichen Vorschriften zur Archivierung medizinischer Daten zufolge müssen die meisten dieser Datenmengen in entsprechenden Datenbanken aufbewahrt werden, nach heutigem technologischen Stand eine kaum lösbare Aufgabe.

Adaptive Bildkomprimierung

Eine mögliche Lösung beider Probleme besteht in einer klugen Komprimierung der medizinischen Bilder. Dabei ist es auf der einen Seite wichtig, einen möglichst großen Komprimierungsfaktor zu erzielen und auf der anderen Seite eventuelle Verluste an (Bild-) Information vollkommen unsichtbar zu halten. Eine interessante neue Entwicklung im Bereich der medizinischen Bildkomprimierung liefert die Idee der adaptiven Kompression, bei der die jeweiligen Vorteile verschiedener herkömmlicher Verfahren ausgenutzt werden. Adaptive Kompressionsalgorithmen kombinieren verlustfreie Verfahren mit verlustbehafteten Verfahren in einer jeweils durch die Eigenschaften des zu verarbeitenden Originalbildes bzw. Bildausschnitts bestimmten und auf diese jeweils zugeschnittenen Art und Weise.

Die besonderen Anforderungen an adaptive internet-taugliche Kompressionsalgorithmen für medizinische Bilder bestehen in der Forderung, daß der ausgewählte Komprimierungsalgorithmus bei gleicher Qualität des rekonstruierten Bildes einen höheren Kompressionsfaktor als andere Komprimierungsalgorithmen erlaubt, daß der jeweils ausgewählte Algorithmus keine sichtbaren Verzerrungen zum Originalbild erzeugen darf und daß die Zeit für Kompression und insbesondere für Dekompression weniger als 2-5 Sekunden beträgt.

Ein Schwerpunkte der wissenschaftlichen Arbeit der Forschungsgruppe von Prof. Dr. Christoph Meinel auf dem Gebiet der digitaler Bildverarbeitung lag auf der Entwicklung von adaptiven Kompressionsalgorithmen für medizinische Bilder, die dieser Anforderung genügen.

Leistungsmerkmale

Die Effektivität des oben beschriebenen Algorithmus wurde mittels einer statistischen Modellierung bewertet. Für eine statistische Modellierung wurden DICOM-Bilder verschiedener Hersteller radiologischer Geräten (Siemens, Philips, ...) mit jeweils verschiedenen Modalitäten verwendet. Die nachfolgende Tabelle zeigt die bei Kompressionsverhältnisse für die verschiedenen Kompressionsalgorithmen und für die verschiedene Bildmodalitäten.

Tabelle: Kompressionsraten (PSNR > 40dB)

 

 CT MR US NUK     CR DS
LZW 1.3 : 1  1.5 : 1 1.8 : 1  1.5 : 1  1.4 : 1  1.4 : 1 
Huffman 1.4 : 1 1.7 : 1 1.6 : 1  1.5 : 1 1.7 : 1 1.7 : 1
Arithmetik 1.4 : 1  1.6 : 1 1.5 : 1 1.4 : 1 1.6 : 1 1.6 : 1
JPEG 4 : 1 4 : 1 5 : 1 3 : 1 5 : 1 5 : 1
Wavelet 5 : 1 4 : 1 6 : 1     3 : 1 6 : 1 6 : 1
Fraktal 5 : 1 4 : 1 4 : 1 4 : 1 5 : 1 5 : 1
VQ 4 : 1 4 : 1 4 : 1 4 : 1 4 : 1 4 : 1
LZW-JPEG 7 : 1 7 : 1 20 : 1 6 : 1 12 : 1 12 : 1

Der Vergleich zwischen den verschiedenen Kompressionsverfahren belegt deutlich den Vorteil des entwickelten neuentwickelten adaptiven GIF-JPEG-Kompressionsverfahrens  gegenüber den bekannten herkömmlichen verlustbehafteten und verlustfreien Verfahren bei Beibehaltung  der Qualität des rekonstruierten Bildes (keine sichtbare Verzerrung zum Originalbild, d.h. dem Peak-Signal-to-Noise-Ratio(PSNR)-Kriterium zufolge müssen für die acht höherwertigen Bit-Ebenen des Originalbildes und des dekodierten Bildes Werte größer als 40dB gelten. Der LZW-JPEG Algorithmus liefert die höchsten Werte.

Als standardisierte, in jedem gewöhnlichen Internet-Browser verfügbare Verfahren eigenen sich das entwickelte GIF- bzw. JPEG-Verfahren besonders gut für Internet-Anwendungen wie der am Institut für Telematik entwickelte GIF-JPEG-Kompressor beweist. Dabei benötigt das entwickelte LZW-JPEG-Decodierungs-Applet lediglich 600 Byte und eine Decodierungszeit von weniger als 5 Sekunden.

Die adaptive LZW-JPEG Kompression

... eine Neuentwicklung der Forschungsgruppe von Prof. Dr. Christoph Meinel 

Unser Verfahren der adaptiven Bildkompression gliedert sich in vier Schritte (Abbildung 1). 

1.Zuerst wird  das Originalbild in zwei Bilder aufgeteilt. Das erste Bild besteht aus den höchsten Bit-Ebenen des Originalbildes, das zweite Bild besteht aus den niedrigsten Bit-Ebenen des Originalbildes. Die Einteilung der Bit-Ebenen in die zwei Klassen erfolgt aufgrund der Analyse des Mittelwertes der Segmentparameter für jede Bit-Ebene.

2.Im zweiten Schritt wird das erste Bild analysiert und daraus eine Einteilung des zweiten Bildes in zwei Bereiche abgeleitet, wobei der erste Bereich das Informationen zum eigentliche Untersuchungsobjekt (Region des Interesses) beinhaltet und der zweite Bereich ohne jedes Interesse für die Diagnose ist, da er keinerlei wichtige Bildinformationen beinhaltet.

3. Im dritten Schritt wird das erste Bild mittels des LZW-Verfahrens (GIF), also verlustfrei komprimiert. Das zweite Bild wird vermittels des JPEG-Verfahrens kodiert. Dabei wird der erste Bereich des zweiten Bildes verlustfrei (und folglich mit einem kleineren Kompressionsfaktor) komprimiert während er zweite Bereich mit der uninteressanten Information mit einem großen Kompressionsfaktor komprimiert wird.

4. Zum Abschluß werden die bei der Kompression erzeugten LZW-Daten und JPEG-Daten zu einer Datei kombiniert, die sämtliche komprimierten Bilddaten beinhaltet.

Other Links

... to our Research
              Security Engineering - Learning & Knowledge Tech - Design Thinking - former
... to our Teaching
              Tele-Lectures - MOOCs - Labs - Systems 
... to our Publications
              Books - Journals - Conference-Papers - Patents
... and to our Annual Reports.