대역폭과 저장장치의 한계 때문에 의료영상은 전송과 저장 전에 압축되어야 한다. 의료영상 표준인 DICOM(Digital Imaging and Communications in Medicine)은 JPEG 정지영상 압축을 지원하는 구조를 제공한다. 본 논문에서는 의료영상을 JPEG으로 압축하기 위한 방법을 설명하고 JPEG 압축을 위한 두 가지 방법을 제안한다. 첫 번째로 의료영상은 자연영상과는 시각적인 특성이 다르기 때문에, 스펙트럼 분석을 이용한 양자화 테이블을 적응적으로 설계하는 방법을 제안한다. 두 번째로 의료영상은 자연영상과 다르게 픽셀당 비트수가 높기 때문에, 심벌들의 확률분포 특성을 고려한 허프만 테이블을 적응적으로 설계하는 방법을 제안한다. 따라서 본 논문에서는 의료영상에 적합한 양자화 테이블과 허프만 테이블을 설계하는 방법을 제안한다. 실험 결과 JPEG 표준의 양자화 테이블과 수정된 허프만 테이블에 비해 성능이 향상되는 것을 볼 수 있다. 본 논문에서 제안한 방법은 JPEG 표준을 만족하므로, PACS (Picture Archiving and Communications System)에 적용될 수 있다.
대역폭과 저장장치의 한계 때문에 의료영상은 전송과 저장 전에 압축되어야 한다. 의료영상 표준인 DICOM(Digital Imaging and Communications in Medicine)은 JPEG 정지영상 압축을 지원하는 구조를 제공한다. 본 논문에서는 의료영상을 JPEG으로 압축하기 위한 방법을 설명하고 JPEG 압축을 위한 두 가지 방법을 제안한다. 첫 번째로 의료영상은 자연영상과는 시각적인 특성이 다르기 때문에, 스펙트럼 분석을 이용한 양자화 테이블을 적응적으로 설계하는 방법을 제안한다. 두 번째로 의료영상은 자연영상과 다르게 픽셀당 비트수가 높기 때문에, 심벌들의 확률분포 특성을 고려한 허프만 테이블을 적응적으로 설계하는 방법을 제안한다. 따라서 본 논문에서는 의료영상에 적합한 양자화 테이블과 허프만 테이블을 설계하는 방법을 제안한다. 실험 결과 JPEG 표준의 양자화 테이블과 수정된 허프만 테이블에 비해 성능이 향상되는 것을 볼 수 있다. 본 논문에서 제안한 방법은 JPEG 표준을 만족하므로, PACS (Picture Archiving and Communications System)에 적용될 수 있다.
Due to the bandwidth and storage limitations, medical images are needed to be compressed before transmission and storage. DICOM (Digital Imaging and Communications in Medicine) specification, which is the medical images standard, provides a mechanism for supporting the use of JPEG still image compre...
Due to the bandwidth and storage limitations, medical images are needed to be compressed before transmission and storage. DICOM (Digital Imaging and Communications in Medicine) specification, which is the medical images standard, provides a mechanism for supporting the use of JPEG still image compression standard. In this paper, we explain a method for compressing medical images by JPEG standard and propose two methods for JPEG compression. First, because medical images differ from natural images in optical feature, we propose a method to design adaptively the quantization table using spectrum analysis. Second, because medical images have higher pixel depth than natural images do, we propose a method to design Huffman table which considers the probability distribution feature of symbols. Therefore, we propose methods to design a quantization table and Huffman table suitable for medical images. Simulation results show the improved performance compared to the quantization table and the adjusted Huffman table of JPEG standard. Proposed methods which are satisfied JPEG Standard, can be applied to PACS (Picture Archiving and Communications System).
Due to the bandwidth and storage limitations, medical images are needed to be compressed before transmission and storage. DICOM (Digital Imaging and Communications in Medicine) specification, which is the medical images standard, provides a mechanism for supporting the use of JPEG still image compression standard. In this paper, we explain a method for compressing medical images by JPEG standard and propose two methods for JPEG compression. First, because medical images differ from natural images in optical feature, we propose a method to design adaptively the quantization table using spectrum analysis. Second, because medical images have higher pixel depth than natural images do, we propose a method to design Huffman table which considers the probability distribution feature of symbols. Therefore, we propose methods to design a quantization table and Huffman table suitable for medical images. Simulation results show the improved performance compared to the quantization table and the adjusted Huffman table of JPEG standard. Proposed methods which are satisfied JPEG Standard, can be applied to PACS (Picture Archiving and Communications System).
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 의료영상의 JPEG 압축하기 위한 적응적 양자화 테이블과 적응적 허프만 테이블을 적응적으로 설계하는 방법을 제안했다. 영상의 크기가 큰 X-ray 영상이나 CR 영상의 경우 엔트로피가 향상되는 것을 통하여 의료영상에 적응적 양자화 테이블을 이용하는 것이 효과적임을 보였다.
그러나 이 논문은 단지 US 영상에 대해 실험적으로 구한 것으로 일반적인 의료 영상에는 적용하지 못한다. 본 논문에서는 일반적인 의료영상에 대한 양자화 테이블을 설계하는 방법을 제안한다.
이러한 이유로 대부분의 JPEG 코덱들은 8비트를 초과하는 혹백영상에 대한 부호화 혹은 복호화를 지원하지 않는다. 본 논문에서는 픽셀당 8비트 이상을 갖는 의료영상들에 대해서 허프만 테이블을 설계하는 방법을 제안한다.
디스플레이 시간이 오래 걸리면 PACS를 이용하는 의사와 환자에게 불편을 준다. 비용과 디스플레이 측면에서의 단점 때문에, 본 논문에서는 기존의 JPEG 2000보다는 JPEG 방법을 활용하여 압축 효율을 개선시키는 방법을 제안한다.
가설 설정
허프만으로 부호화될 메시지는 S의 심벌들로 구성된다. 여기서 S의 각각 심벌의 발생확률을 알고 있다고 가정한다. [번째 심벌 §의 발생확률은 P, .
제안 방법
JPEG 표준의 카테고리로 분류하고, 카테고리는 VLC (Variable Length Code)로 부호화하고 카테고리에서의 심벌의 위치는 FLC (Fixed Length Code) 로 부호화 한다.
PSNRe 60dB, 54dB, 48dB일 때를 비교해 놓았고, MAE는 3, 6, 9일 때를 비교해 놓았으며, NMD는 5%, 10%, 15%일 때를 비교해 놓았다. 낮은 bpp에서는 최대 63%의 압축률을 보였으며, 높은 bpp에서도 20% 이상의 압축률을 보였다.
또한 압축률을 비교하기 위해 표 6부터 표 8까지 동일 PSNR, MAE와 NMD 에 따른 압축률을 비교했다. PSNRe 60dB, 54dB, 48dB일 때를 비교해 놓았고, MAE는 3, 6, 9일 때를 비교해 놓았으며, NMD는 5%, 10%, 15%일 때를 비교해 놓았다.
본 논문에서 두 번째로 제안한 적응적 허프만 테이블 설계 방법의 성능 평가를 위해, 제안한 방법과 JPEG 표준에 있는 픽셀당 8비트 영상을 위한 허프만 테이블을 수정해서 만든 허프만 테이블과 비교하였다 이때 사용한 수정한 JPEG 표준의 허프만 테이블은 8비트 영상을 위한 허프만 테이블의 코드의 확률 분포를 16비트 영상을 위한 허프만 테이블로 확장하였다.
본 논문에서 제안한 방법은 두 가지로 첫 번째로 제안한 양자화 테이블 설계방법의 성능 평가를 위해 제안한 방법과 JPEG 표준에 있는 양자화 테이블을 비교하였다. 픽셀당 8비트를 초과하는 영상을 위한 허프만 테이블이 없기 때문에 엔트로피 측정하여 비교하였다.
JPEGe 8×8 블록단위 DCT 및 양자화한 후에 지그재그 스캔을 통해서 심벌로 구성하고 엔트로피 부호화한다. 본 논문에서는 이 JPEG 부호화 과정에 의료영상의 특성에 적합한 양자화 테이블을 생성하는 과정과 허프만 테이블을 생성하는 과정을 추가한다.
JPEGe 특별한 마커 코드(marker code)를 16진수 FF(이하 FFH)라는 특별한 마커코드를 사용하기 때문에, 16으로 제한된 부호길이를 가지는 허프만 코드가 필요하며 16비트코드에는 FFFFH가 나오면 안된다. 본 논문에서는 제한된 길이를 가지는 허프만 코드를 발생시키는 방법으로 AD-HOC 설계방법을 응용하며 [14], 그림 5에 설계 방법 블록도를 나타낸다.
이 장에서는 JPEG 부호화 과정에 사용되는 양자화 테이블과 허프만 테이블을 설계하는 방법을 제안한다. 전체 블록도는 그림 1과 같고, 데이터는 실선 박스로 표현하고 연산 과정은 이중선으로 표현한다.
제안한 방법으로 구한 적응형 양자화 테이블과 JPEG 표준에 있는 양자화 테이블을 0妣'로 두 고양 자화 매개변수 «丄를 1부터 200까지 변화시켜 양자화 테이블을 변화시키면서 실험하였다.
비교하였다. 픽셀당 8비트를 초과하는 영상을 위한 허프만 테이블이 없기 때문에 엔트로피 측정하여 비교하였다. JPEG의 경우 엔트로피는 식 (15) 와 같이 구한다.
대상 데이터
의료영상 표준인 DICOM 을 제정한 ACR 과 NEMA에서는 실험용 의료영상을 제공하지 않아 본 논문의 실험을 수행하기 위해 ISO/IEC JTC1/SC 29/WG 1에서 제공하는 실험용 의료영상 [15]과 필립스사에서 제공하는 CT 영상 [16]을 사용하였다. 실험에 사용한 의료영사은 그림 6부터 그림 9까지 나타냈고, 그 정보는 표 1에 나타냈다
이론/모형
의료영상의 특성상 픽셀의 차이가 중요한 경우도 있기 때문에, 의료영상의 화질열화 비교하기 위해서 MSE (Mean Square Error)에 기반한 PSNR 뿐만 아니라, 식 (17)과 같이 MAE (Mean Absolute Error)를 사용하였다.
성능/효과
낮은 bpp에서는 최대 63%의 압축률을 보였으며, 높은 bpp에서도 20% 이상의 압축률을 보였다. PSNR, MAE와 NMD를 비교했을 때, 임의로 만든 허프만 테이블을 이용한 경우보다 본 논문에서 제안한 적응적 허프만 테이블 설계 방법성능이 더 우수함을 볼 수 있다
명시했다. PSNR의 경우 20:1과 10:1 압축에서는 ldB~3dB 의 향상이 있는 것이 확인되었으며, 40:1 압축에서는 UdB 향상이 있는 것이 확인되었다. 수정된 JPEG 표준에서 제시한 허프만 테이블의 코드의 확률 분포가 20:1 미만일 때의 심벌의 분포와 유사하고 40:1 압축에서는 분포의 유사도가 떨어지게 때문에 본 논문에서 제안한 방법을 사용하는 경우 월등히 좋아졌다.
주장했다 [13]. 각 논문에서 실험 결과로 JPEG과 비교해 놓았으나 JPEG과의 비교에 사용된 angiogram 영상, US 영상, CT 영상들은 픽셀당 비트수가 8비트인 의료영상들이다. JPEG 표준에는 자연영상의 통계를 이용한 허프만 테이블의 예만 있을 뿐이고 이 허프만 테이블은 8비트 흑백 영상이나 24비트 칼라영상에만 적용할 수 있다.
영상의 크기가 큰 X-ray 영상이나 CR 영상의 경우 엔트로피가 향상되는 것을 통하여 의료영상에 적응적 양자화 테이블을 이용하는 것이 효과적임을 보였다. 또한 실험을 통해서 제안한 적응적 허프만 테이블 방법을 JPEG에 적용하는 것이 압축률이 우수함을 보였다 본 논문에서 제안한 방법은 JPEG 부호화에 적용되는 것으로 메모리 소비가 적고 연산속도가 빠르다. JPEG 은 DICOM 표준에 포함되므로 추가적인 비용없이 PACS에 적용 가능하다.
본 논문에서 제안한 방법(Proposed method 2, PM2)로 구한 허프만 테이블의 성능평가 실험 결과로 PSNR, MAE와 NMD의 압축률이 40:1, 20:1과 10:1인 경우는 표 3부터 표 5까지에 명시했다. PSNR의 경우 20:1과 10:1 압축에서는 ldB~3dB 의 향상이 있는 것이 확인되었으며, 40:1 압축에서는 UdB 향상이 있는 것이 확인되었다.
PSNR의 경우 20:1과 10:1 압축에서는 ldB~3dB 의 향상이 있는 것이 확인되었으며, 40:1 압축에서는 UdB 향상이 있는 것이 확인되었다. 수정된 JPEG 표준에서 제시한 허프만 테이블의 코드의 확률 분포가 20:1 미만일 때의 심벌의 분포와 유사하고 40:1 압축에서는 분포의 유사도가 떨어지게 때문에 본 논문에서 제안한 방법을 사용하는 경우 월등히 좋아졌다. MAE의 경우, 20:1과 10:1 압축에서는 1~2의 향상이 있고 40:1 압축에서는 6~30의 향상이 있는 것이 보여졌다.
엔트로피와 PSNR을 X-ray와 CR 영상같이 영상의 크기가 큰 경우에는 제안한 방법이 약 2dB씩 향상이 있고 MRI같이 영상의 크기가 매우 작은 경우에도 약 IdB의 향상이 있었지만, CT 영상 같은 경우는 0.2dB 향상이 있었다. 해상도가 높은 X-ray 같은 영상은 영사을 자세히 표현하므로 저주파 부분이 조고주파 부분보다 상대적으로 많이 차지한다.
설계하는 방법을 제안했다. 영상의 크기가 큰 X-ray 영상이나 CR 영상의 경우 엔트로피가 향상되는 것을 통하여 의료영상에 적응적 양자화 테이블을 이용하는 것이 효과적임을 보였다. 또한 실험을 통해서 제안한 적응적 허프만 테이블 방법을 JPEG에 적용하는 것이 압축률이 우수함을 보였다 본 논문에서 제안한 방법은 JPEG 부호화에 적용되는 것으로 메모리 소비가 적고 연산속도가 빠르다.
이 부분의 정보를 효과적으로 줄이면 성능이 향상된다. 즉, 본 논문에서 제안한 적응적 양자화'테이블 설계 방법은 영상의 크기가 큰 의료영상에 적합하다
후속연구
Kazuhiko Hamamoto는 초음파 영상에 대한 양자화 테이블을 구해서 JPEG 표준에 있는 양자화 테이블을 사용했을 때보다 성능이 우수하다고 제안했다 [11]. 그러나 이 논문은 단지 US 영상에 대해 실험적으로 구한 것으로 일반적인 의료 영상에는 적용하지 못한다. 본 논문에서는 일반적인 의료영상에 대한 양자화 테이블을 설계하는 방법을 제안한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.