Tecnicas De Imagen

Author : Zhongwei Xu
Publisher :
ISBN 13 : 9788449055508
Total Pages : 78 pages
Book Rating : 4.0/5 (555 download)

DOWNLOAD NOW!

Download or read book Diagnostically lossless compression strategies for x-ray angiography images written by Zhongwei Xu and published by . This book was released on 2015 with total page 78 pages. Available in PDF, EPUB and Kindle. Book excerpt: 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 20̃dB de SNR. La técnica para CAVSs produce resultados de compresión un 19% mejores, en comparación con las técnicas de compresión sin pérdida.