‘TRCNICAS DE COMPRESION Y CODIFICACION SOBRE IMAGENES MEDICAS Enearnacién Moyano Avila Francisco J. Quiles Flor Encrnacion Moyo flay Fron 1. Ques Flr son Profesor hua y Cater respective dela Eyeuela Politenioa Superior de Albacete el Departamento ‘de nformice dela Universidad de Casila La Mancha, En este trabajo so pretende dar una introduccin a las imigenes médicas ‘asi como la aplicacién del proceso de compresién sobre las mismas. Las dite rentes tGenicas de compresion y codificacién sobre imgenes médicas van a permit redacir tanto el espacio de memoria en archivo como el tiempo de {ransmision por Ise lineas de comunicacién actules, en un rango aproximado del 10% y hasta un 90% segtin Ia modalidad de Ia imagen mies, €: uso que se vaya a hacer de ella y por supuesto, el grado de compresién aplicado. Esta reduccién de datos obtenida gracias a téonicas de compresién conseguiré im- portantes avances en Ia comunidad sanitaria que se verdreflejada en una mejo- ra considerable en la asistencia a pacientes logrando que éta sea cads vez mss ipida y eficiente, 1. INTRODUCCION LLascimisenes Méticam pueden ser definidas como «todas las jimégenes usadas para diagnosis y tratamiento de pacientes en la actividad médica». En esta tipologia se incluye cualquier forma de imagen, tal como films de Rayos-X, muestras histologicas, imégenes, de Tomografia Computerizada, CT, escaners de Ultrasonido, US, y hasta fotografias del paciente usadas para prop6sitos de identificaci6n, En la Tabla I [Huang97], aparecen los acr6nimos y nombres de la ma- yorfa de las imagenes médicas obtenidas mediante medios digitales. ‘Cada modalidad de imagen médica varia en el nimero y resolucién de imagenes producidas para un estudio concreto a un paciente, Esto afecta directamente al volumen de datos y a las tasas de trans‘erencia ‘ecesarias para la transmisién de las imagenes, que tiene un enorme ‘efecto en el tipo de comunicaciones requeridas, Sin duda, lo més sobresaliente de las imégenes médicas es que usan gran cantidad de espacio de almacenamiento, y pueden necesitar mu- 361362 cho tiempo para su transmisién cuando se envian mediante lineas de ‘comunicacién a localizaciones remotas como se hace en el caso de la teleradiologia o en muchas otras aplicaciones. Los rasgos (NHS97] de las imagenes médicas que las hacen dife- rentes de las imagenes generales son sus caracteristicas reguladoras y legales, los tipos de datos manejados y el proceso de compresién sobre estas imagenes. TABLA. Modalidades de Imagenes Médicas. CR___ Radiograffa Computerizada CT | Tomografia Computeriaada DCM _| Microscopia a Color Digitalizada DEM __| Microscopfa Blectrnica Digitalizada DF _| Fluoroscopia Digital DSA __| Angiografia de Susbtraceién Di EEG | Blecio-encefalograma MEG —_|Magneto-encefalograma MRI__| Imagen de Resonancia Magaética PET | Tomografia de Emisin de Positén A SPECT _ | Tomografia Computerizada de Emisidn de Fot6n Simple US ___|Ultasonides En cuanto a las caracteristicas legales, puesto que las imagenes mé- dicas son usadas en el contexto de la asistencia sanitaria de las perso- nas, la vida de éstas puede estar en juego. Como consecuencia de esto, existe un niimero de leyes y regulaciones concernientes al uso de las imagenes médicas. Los tipos de datos que pueden aparecer en las imagenes médicas son muy variados y pueden aparecer desde imagenes estaticas, bidi- mensionales (2D) como las mamografias o tridimensionales (3D) como los escéners CT, imagenes en movimiento, como los ultrasoni- dos o los MRI cardiacos, y hasta texto y graficos. Las caracteristicas t{picas de los datos incluidos en las imagenes ‘médicas son: '* Extensa cantidad de datos. Bl tamaio de las imagenes indivi- duales no es excesivo, aunque pueden llegar hasta 32 MBytes en ciertos casos. Sin embargo, muchas de las modalidades requie- ren almacenar conjuntos de imgenes relacionadas. El niimero de imégenes en un conjunto de datos de imagenes médicas pue- de variar desde 2.6 3 para los convencionales Rayos-X y hasta 200 6 300 para un test de ultrasonido de la tensién cardfaca, conJo que la cantidad de MBytes requeridos crece considerablemen- te para cada anélisis. © Datos multi-dimensionales. Son imégenes multidimensionales las series en tiempo, es decir, obtenidas en distintos perfodos de tiempo y las imagenes multi-banda, es decir, aquellas en las que se almacena més de un valor por cada uno de los pixels. Ejem- plos son las imAgenes en color, un conjunto de imagenes del mismo objeto, pero tomadas con diferentes parémetros, y tam- bién las imégenes 3D, entre otras. * Conjuntos de imagenes relacionadas. Cuando se almacena wn conjunto de imagenes, se necesita un mecanismo para almacenar tanto los datos de las imagenes como la relacién jersrquica entre todas ellas. En el caso de las imagenes médicas en movimiento, en general son almacenadas en video y no en conjuntos de im- genes digitales. © Datos asociados. Suelen ser descriptores sobre las imagenes, es decir, tamaito, resolucién, informacién del color, etc., 0 bien da- tos médicos del paciente o la imagen. En cuanto al prop6sito de la compresién sobre imagenes médicas, se pretende reducir Ia cantidad de datos para almacenamiento o trans- ‘misi6n mientras se mantiene la integridad de uno o més aspectos de la imagen, Queremos resaltar la importancia de la compresién sobre las imégenes que estamos tratando, para Io cual valdrén los siguientes ejemplos como datos significativos: Una mamografia tipica digital con 4500 x 3200 pixels y 12 bpp requiere aproximadamente 38 Mbytes de datos. Con tal cantidad de informacién para una sola imagen, estudios completos sobte este tipo de imégenes pueden requerir inaceptables tiempos de transmisiGn a través de redes digitales y puede causar se- rios problemas de manipulacién de datos en almacenamiento de disco local. Los avances en tecnologias para la transmisién y almacenamien- to no solucionan cl problema. Con esta perspectiva, la compresicn de es- tas imigenes es esencial para la eficiencia de costo y tiempo de almacena- miento y comunicacién. Un hospital normal, podria generar del orden de 1,000 GBytes de imagenes médicas al afio. En concreto, una MRI de 1.5 MBytes podria necesitar media hora para ser transmitida sobre una linea telefnica que opere a 9.600 bits por segundo. Sin embargo, haciendo uso de técnicas de compresién, el tiempo para transmitir la MRT anterior po- dria ser reducido a un minuto con una tasa de compresién de 30:1. En caso de que la imagen esté almacenada o sea transmitida para el propésito de ser visualizada, el proceso de compresién debe mantener Ja integridad visual de la imagen y aparecer exactamente igual que la iginal. Alternativamente, si la imagen es requerida para mosirar una caracteristica particular, la imagen comprimida debe retener esa carac~ teristica pudiendo eliminar o reducir el resto. 363164 El nivel de compresién puede variar el volumen de datos. Depen- diendo del contexto en que una imagen se vaya a usar, serén aceptados diferentes grados de compresiGn. Sin embargo, los métodos con eleva- do grado de compresién destruyen cierta informacién contenida en Ia imagen. De forma general, hay dos clases principales de algoritmos que yan a determinar este grado de compresi6n y que deben ser intro- ducidos desde un primer momento. Son los siguientes [Brown9: « Algoritmos «Lossless», también lamados sin pérdida o re- versibles. La imagen comprimida puede ser reconstruida para ser idéntica en todos los aspectos a la imagen original. El fac- tor de compresién alcanzable es bastante bajo (valores t{picos estén entre 1.5:1 y 3:1. Esta notacién se usara bastante por lo que conviene indicar su significado, Asf, en el caso de una tasa de compresién de 3:1, representa que cada 3 bytes en la imagen original vienen dados por 1 nico byte en Ta imagen comprimida), © Algoritmos «Lossy», también conocidos como algoritmos con pérdida o irreversibles. En este caso, cierta informacién se pier~ de en el proceso de compresién, con Jo cual, la imagen compri- ida puede ser reconstruida s6lo de forma aproximada a la ima- ‘gen original. Los ratios de compresién alcanzados con estos algoritmos pueden ser mucho més altos que los aleanzados con los algoritmos «lossless», (valores tipicos estén entre 10:1 y 100:1 0 incluso superiores). En el caso de las aplicaciones préc- ticas de imagenes médicas se usan factores alrededor de 15:1 y hhasta 30:1 para que las pérdidas no afecten a la calidad de la imagen. Sin embargo, para las aplicaciones relacionadas directa- ‘mente con diagnosis, actualmente sélo es aceptado un muy pe- {quefio factor de compresién. La eleccién entre compresién con y sin pérdida, y entre los diferen- tes grados de compresién con pérdida requiere un equilibrio entre ta fi- delidad y la eficiencia de la transmisién y/o almacenamiento. Asi, po- demos decir que el uso del tipo y/o grado de compresién que pueda ser aceptado depende principalmente del contexto en que la imagen sera usada, la modalidad de imagen y las caracterfsticas de los objetos re- presentados. ‘Durante muchos afios ha habido un debate sobre qué nivel de com- presién puede ser usado en las imigenes médicas. Una opinién es que sélo la compresién sin pérdida puede ser usada para imagenes médi- cas. En el otro extremo, algunos autores defienden que tanto la enorme cantidad de datos como el enorme coste asociado, es lo que esté impi- diendo a la comunidad médica beneficiarse completamente de las imé- ‘genes digitales, con Io cual, Ia soluci6n idénea serfan unas apropiadas tasas de compresién con pérdidas.2. PAC, HIS Y RIS En la industria de la asistencia sanitaria, los principales avances en Ios tiltimos diez. afios incluyen el desarrollo de «Sistemas de Informa- cién de Hospitales», HIS, «Sistemas de Informacién Radiolégica», RIS, y los «Sistemas de Comunicacién y Archivo de Imdgenes», PACS. Los HIS controlan el flujo de datos de pacientes, inclayendo los datos demogréficos, planificacién, informes y estadisticas. Los RIS controlan el flujo de datos radiolégicos de los pacientes. Y por su par- te, los PACS ayudan a los médicos ¢ investigadores a manejar las imé- genes médicas incluyendo su archivo y almacenamiento, La integra~ cién de HIS, RIS y PACS abre la puerta a la industria de 1a asistencia sanitaria para usar la tecnologia multimedia. De hecho, existe una nue~ va metodologia que integra HIS y PACS en los entornos de red multi- ‘media para mejorar la asistencia sanitaria, la educaciGn y la investiga- cién (Huang96) (Huang97] 3. ESTANDARES PARA IMAGENES MEDICAS Hoy dia se tiene gran necesidad de esténdares relacionados con las imagenes médicas puesto que muchos hospitales y otras insttucio- nes de atencién sanitaria requieren manipular y comunicar grandes cantidades de este tipo de imagenes y serfa conveniente que todos ellos partieran de una base comiin y estindar. Los estindares generales de comunicacién de imagenes cada vez son més adaptables a los distintos tipos de imagenes, con lo cual es posible que en el futuro éstos se usen. para imagenes médicas teniendo en cuenta las limitaciones por razones. legals, Principalmente, los aspectos a estandarizar incluyen los formatos de las imagenes, los algoritmos de compresién y las comunicaciones y estindares de red. Hoy dfa existen cinco estdndares relevantes cue sue~ len aplicarse a las imagenes médicas. Son los siguientes: © Estindares especificos para comunicacién de imagenes médicas, como DICOM, «Digital Imaging and Communications in Medi- cine», y MEDICOM, «MEDical Image COMmunication>. © Otros estindares de imagenes médicas, como IS&G e Interfile. Estos han sido implementados pero no han sido demasiado aceptados. ‘© Esténdares generales sobre imégenes, como IPI, «Image Proces- sing and Interchange». ‘* Estindares de compresién de imagenes generales, como JPEG y JBIG. 365366 © Los estindares de comunicacién generales. Son esténdares de bastante uso en imagenes médicas y sobre todo para comunica- cin en Intemet, como HTML. 3.1. DICOM, «Imagenes Digitales y Comunicaciones en Medicina» DICOM es el estindar més importante y extendido de la industria para la transferencia de imdgenes e informacién médica entre disposi- livos electrénicos. Aunque no se trate de un estindar de compresién sobre imdgenes médicas, es imprescindible su consideracién en la compresién. DICOM permite a los usuarios integrar un equipo con dispositivos de diferentes fabricantes para soportar un amplio rango de ‘modalidades de imagenes médicas evitando toda una serie de proble- ‘mas que podsfan derivarse de incompatibitidades entre dispositivos de distintos comerciantes [Horii95]. Este estindar fue desarrollado por «The American College of Ra- diology», ACR, y «The National Flectrical Manufacturers Associa- tion», NEMA. La primera de estas instituciones, el ACR, ha sido el responsable de proporcionar direccién técnica y asesoramiento médico al estindar, y NEMA ha actuado como entidad de publicacién ademas de proporcionar asesoramiento legal para evitar conflictos de intereses © posibles violaciones en el Ambito de trabajo del estindar. ‘Como resumen, podrfamos decir que ACR y NEMA se unieron para desarrollar este nuevo estindar, DICOM, con los objetivos de: © Establecer un estindar para comunicaciéa en entomo de red. Los estindares previos eran para conexiones punto a punto sola- ‘mente. ‘* Establecer los requerimientos minimos para otorgar una adapta- cién 0 conformidad legitima con el estindar a todo fabricante «que lo solicitara, © Permitir inter-operatividad, no s6lo inter-conexién, entre dife- rentes equipos de distintos fabricantes mediante Ia introduccién explicita de objetos de informacién que correspondan a imige- nes, estudios, informes, etc. 4, COMPRESION GENERAL SOBRE IMAGENES ESTATICAS Y VIDEO. APLICACIONES ‘La compresién permite reducir el niimero de bytes requerido para representar un conjunto de datos. Con lo cual, se reduce la cantidad de ‘memoria secundaria que se necesita para almacenamiento y conse- cuentemente, también reduce la cantidad de tiempo necesario paratransmitir un conjunto de datos sobre un enlace de comunicaciones una velocidad dada. Las nuevas tecnologfas como multimedia, sefiales de televisién de alta definici6n, imagenes generadas por computador e imagenes médi- cas, han incrementado 1a demanda del espacio de almacenamiento y el ancho de banda para transmisién de datos. ¥ puesto que la cepacidad de almacenamiento y el ancho de banda de transmisién estn normal- ‘mente Timitados, Ta codificacién de las fuentes es una forma fil para reducir Ia tasa de bit de las imagenes digitales y puede proporcionar bastantes ventajas en diversas 4reas. Las aplicaciones sobre las que se realiza un proceso de compresién de imAgenes son muy variadas ai tualmente. Algunas de estas aplicaciones son de gran importancia, como las videoconferencias, los sensores remotos, las imégenes de do- cumentos y las imégenes médicas, la transmisiGn de facsimiles (FAX) y el control remoto de vehiculos no tripulados para aplicaciones milita- res, espaciales y de manipulaci6n de materias peligrosas. Un nimero ‘reciente de aplicaciones dependen de una eficaz manipulaciéa, alma- cenamiento y transmisién de imagenes y la compresi6n puede ser muy beneficiosa para ellas. En cuanto a la compresin de video, cada imagen estatice de una secuencia de video es llamada «frame» o trama. Un método de com- presién de secuencias de video es simplemente comprimir cada trama separadamente. Sin embargo, esto no es suficiente en muchos ejem- pplos por el gran mimero de tramas en una secuencia de video, incluso de corto tamafio, Otra opeién para comprimir las secuencias de video, es mediante el aprovechamiento de la similitud entre tramas adyacen- tes. Esto es posible cuando las diferencias entre una trama y Ia siguien- te es pequefia debido al corto intervalo de tiempo entre ellas. Estos es- {quemas son los referidos a la compresi6n «intertrama», como oposi- cién a Ja compresién «intra-trama», que implica sélo a un «frame». Para una mayor informacién sobre los fundamentos de compresi6n de datos, se anima al lector a ver la referida [Gonzélez92J de la biblio- srafia. Y para conocer los estindares de compresién de imdgenes ge- nerales estéticas, JPEG, y el de imagenes en movimiento, MPEG, ver [Bhaskaran95] y [Bhaskaran97]. TECNICAS DE COMPRESION SOBRE IMAGENES MEDICAS 5.1, Esténdar JPEG sobre Imagenes Médicas IPEG se ha convertido en el estndar dominante en aplicaciones de ‘compresi6n de imégenes e incluso ha sido implementado en hardware y software. El formato estindar JPEG define una serie de codificacio- 367368 nes de datos para imAgenes a color y de tono continuo. Incluye cuatro modos distintos de operacién. Uno de estos modos produce una com- presién limitada usando una técnica de codificacién sin pérdidas. Los otros tres modos proporcionan ratios mucho més altos de compresién con técnicas basadas en Ia DCT (Transformada del Coseno Discreta), pero con pérdida de informacién (Bhaskaran95}, El estindar JPEG ha sido adoptado por el ACR, «American Co- lege of Radiology» y por el NEMA, «National Electrical Manufac- turers’ Association», para su uso en la compresién de imagenes mé- dicas, aunque no sea lo més adecuado para comprimir imagenes que tengan propésitos clinicos de diagnosis. Aunque el estindar JPEG se puede usar para compresién sin pérdida y en modo progresivo, s6lo se ha implementado de forma general el esténdar de compre- sign con pérdida. La compresi6n JPEG con pérdida usa un parimetro de calidad nu- mérico, que no es més que un niimero en el rango 1 a 100, para contro- Jar tanto la cantidad de compresién como la calidad de la imagen re- construida. JPEG trabaja, en general, de forma aceptable para ratios de ‘compresi6n de 25:1, pero con mayores compresiones, la calidad se de- grada significativamente debido a la presencia de distorsiones en la re- construceién. A continuacién se van a exponer algunos de los resultados de es- tudios realizados usando el estindar JPEG sobre imégenes médicas. En el caso de (Collins94], se estudiaron los efectos de un esquema de compresi6n de imagen con pérdida de 10:1 basado en JPEG, con ‘modificaciones para reducir las distorsiones. Los resultados prelimi- nares indicaban una buena calidad en las imagenes comprimidas con pérdida. Otros estudios (Baskurt92] usaron un algoritmo similar a JPEG para comprimir mamografias con alto grado de compresién ‘con resultados aceptables para los radiélogos, ya que se mantenfan perceptibles las patologias a detectar. Otra modificacién de JPEG fue investigada en [Kostas93}, tal que se emplearon imAgenes de 12 bits y pardmetros ajustados a ciertas mamografias y radiografias del pecho. Este trabajo indies que se podia aplicar una alta tasa de com- presi6n mientras se retenia la informacién clinicamente witil. Los es- tudios realizados por [Chunie94] sobre la deteccién de miltiples le- siones de esclerosis en imagenes de Resonancia Magnética (MRI) del cerebro que habfan sido comprimidas usando JPEG, no encon- traron diferencias significativas en el nimero de lesiones detectadas por los radidlogos en imagenes comprimidas a altas tasas de com- presién. En todas las investigaciones, se pueden resaltar los buenos resul- tados de la compresién con pérdidas de JPEG sobre imagenes médi- cas, donde las tasas de compresién utilizadas estaban en el rango 10:1 y 30:1, manteniendo una calidad bastante aceptable en las imé-genes descomprimidas, Sin embargo, al tratarse de un estindar para imagenes generales, JPEG no se ajusta perfectamente a los, Tequisitos deseables en un esquema de compresién sobre image- nes médicas, 5.2. Compresién de Imagenes Médicas Basada en Regién Muchos tipos de imégenes contienen algunas regiones espaciales {que son més importantes que otras. Los métodos de compresién que son capaces de entregar més alta calidad en Ia reconstruccién, para las partes importantes, son muy atrayentes, Para imagenes médicas, exis- fen muchos casos en los que sélo una pequefia porcidn de la imagen podria ser diagnésticamente til y el resto contiene informacién irrele- vante para el diagnéstico, Esta porcién de la imagen que es de mayor utilidad es Hamada ROI o «regiGn de interés» En este tipo de imagenes médicas, los algoritmos que proporcionan compresién sin pérdida en las regiones de interés, y compresion con pérdidas en cualquier otra parte de la imagen, podrian ser la clave para obtener una eficiente y exacta codificacién de la imagen para la comu- nidad médica. La mayorfa de Jos trabajos de codificacién basados en regién se han enfocado al objetivo de identificacion de regiones con diferen- tes caracterfsticas, a las cuales se les podria aplicar diferentes ¢s- quemas de codificacién. Pero esto requiere que la imagen de entrada sea segmentada para dar lugar a las tegiones espaciales. Las regio- nes pueden diferir en sus caracteristicas de niveles de gris o en sus niveles de importancia. La divisin en regiones o segmentacién de las imagenes puede ser titil para dos propdsitos muy distintos, aun- Jue, por supuesto, podria ser util para ambos propésitos a la vez. Estos son los siguientes: * La segmentacién puede permitir el uso de esquemas de codifica- cién a medida para las diferentes regiones. En este primer caso, Ja diferencia entre los niveles de calidad de las distintas regiones podrfa ser insignificante, pero la segmentacién permite el uso provechoso de métodos diferentes aplicados a las regiones més apropiadas. * La segmentacién puede permitir la tarea de aplicar niveles de calidad diferentes para las distintas regiones. En este segundo caso, los métodos podrfan ser idénticos excepto por sus asigna- ciones de bits, y el objetivo aqui sera producir niveles de cali- dad diferentes. La figura | muestra la segmentacién de una imagen en Ia ROI y el resto de imagen mediante una méscara dada. 369370 «) (a) FIGURA 1. Particién de una imagen en ol dominio espacial, (a) Corte original. {b) Mascara del cerebro. (c) y (d) son las subimagenes interior 0 RO! 'y la exterlor respectivamente. 5.3. Compresién de Imagenes Médicas con ‘Técnicas Progresivas ‘Como sabemos, existe una relacidn inversa entre Ta tasa de bit de la codificacién y la distorsién al usar compresién con pérdida. Asi, cada bit adicional de informacién usado en la reconstruccién de una imagen comprimida podria mejorar su calidad. Los métodos de compresi6n de las imagenes podrian ser llamados progresivos cuando permiten que tuna imagen sea construida gradualmente conforme més y més bits se reciban. Inicialmente, la imagen tendré una baja calidad, pero sera refi- nada conforme se vayan afiadiendo bits para su construct Las técnicas progresivas estén particularmente bien indicadas para aplicaciones de imagenes médicas como la teleradiologta, donde es po-sible transmitir una imagen de baja calidad sobre un enlace de comuni- cacién de baja velocidad para una consulta preliminar, seguida por imagenes més detalladas con utilidad en diagnosis. En el trabajo de [Anderson95] se puede encontrar una (ransmisién progresiva de los datos una vez que estuvieron comprimidos. Se utiliz6 ‘una transmisi6n progresiva de forma que en principio se enviaban los bits necesarios para la reconstruccidn de una imagen con baja calidad, para a continuacién enviar més bits que permitieran una recoustruc~ cin en destino de catidad superior. La figura 2 muestra la mejora de calidad producida en una imagen que es transmitida progresivamente. En este trabajo también se han combinado las técnicas de compre~ sin basadas en regién con la transmisién progresiva, pudiendo esta- blecer una tasa de compresién global de cada imagen, de forma que la ROL es comprimida con una baja tasa de compresién, mientras que el resto de la imagen se comprime fuertemente. Es posible variar la tasa aplicada a Ja ROL, con lo que también variaré la tasa de compresién del resto de la imagen, pero manteniendo una tasa global concreta, En Ia figura 3 podemos ver como se mantiene una misma tasa de compresion global, mientras se da mas 0 menos importancia a la ROI, corr=spon- diendo en esta figura a Ia parte interior del cerebro. En [Anderson95], pues, se consigue un método para compresién de volumen 3D, en que se permite mejorar la calidad de la reconstruccién de las regiones importantes a expensas de las regiones menos impor- tantes. 6, TENDENCIAS EN LA COMPRESION DE IMAGENES MEDICAS La mayoria de las técnicas actuales en investigaci6n se encaminan hacia una compresién con pérdidas o bien una compresi6n basada en region donde s6lo la ROT o regién de interés se mantiene con muy ;poca o ninguna pérdida de informacién, pero es el resto de la imagen, ‘que no es clinicamente importante, la que sufte mayores pérdidas. Los estucios mas recientes de algoritmos de compresion de imége- nes médicas con pérdidas han usado algoritmos que usan descomposi- cién por sub-banda o la transformada wavelet combinados con cwanti- ficacién vectorial o escalar. Estas descomposiciones de la sefial pro- porcionan numerosas ventajas potenciales sobre las descomposiciones tradicionales, como la de Fourier o la DCT (Transformada del Coseno Discreto) empleada en JPEG. En pricticamente todas las investigaciones que se Hevan a cabo para aplicaciones médicas se requiere que la imagen original y la ima- gen procesada sean visualmente indistinguibles, Aunque més bien, se debe demostrar que Ia informaci6n esencial de la imagen original no 371FIGURA 2, Reconstruccién progresiva de una imagen. (a) Representacién con 512, bits, (b) con 2048 bits, (c) con 8192 bits, (4) 22768 bits, (e) 131072 bits 'y(®) con §24288 bits representa la imagen original.FIGURA {a) Imagen original. (b) Codificacién a 30:1 para la imagen completa. (©) (@), (&) y(f) Codificaciones basadas en regién considerando la ROI fen el 100%, 90%, 70% y 50% de importancia respecto a toda la imagen, respectivament 37374 ha sido perdida en el procedimiento de compresién u otros, y que Ia imagen procesada es igual de stil que la original para el diagndstico, la visualizacién 0 cualquier otro prop6sito para el que sea uilizada, Algunas de las direcciones de Ia investigacién actual en el campo de la compresién de imagenes médicas son las siguientes '* Mejora de las técnicas de compresién existentes para seguir con el desarrollo de los entomos de radiologia digital tales como PACS y teleradiologfa. Para estas mejoras, se podrian estudiar fractales, codificacién 3D 0 hasta 4D y por supuesto, Ia aplica- cién de computacién paralela para Ia obtencién de sistemas en tiempo real ‘© Utilizaci6n de! modelado basado en conocimiento para la com- presién de imagenes. Desarrollo de un método general para la caracterizaciGn de pér- didas de compresién de imagenes médicas, para poder dirigir los tomas legales y regulatorios asociados con estas imagenes. 7, CONCLUSIONES A lo largo de este trabajo hemos podido comprobar que las imége~ ‘nes médicas, por su gran volumen y la necesidad de su almacenamien- to y transmisién por redes de comuinicaciones, han de ser comprimidas para su més eficiente uso. La mayor parte de los usuarios implicados en el uso de las imige- nes médica, prefieren una compresién sin pérdida de los datos médi- cos, a pesar del gasto de recursos que provocan. Y aunque las técnicas de compresién con pérdidas ofrecen unas mejores prestaciones, no suelen ser aceptadas por la comunidad médica. Sin embargo, segdn ‘miltiples investigaciones Hevadas a cabo por diferentes autores, se ha podido comprobar como las imagenes comprimidas con pérdidas, a ni- ‘eles aceptables, pueden jugar el mismo papel que las imagenes origi- nales manteniendo el mismo valor que éstas. Es por esto que la tenden- cia sobre compresi6n de imfgenes médicas esté encaminada hacia ‘unas mayores tasas en la compresiOn, aunque suponga cierta pérdida de informaci6n en las imagenes reconstruidas. En cuanto a Jas diferentes téenicas para la compresién, los estinda- res de imagenes generales no consiguen los mejores resultados si los comparamos con otras téenicas no estindares. Sin embargo, no existe una técnica totalmente valida para todas las modalidades de nuestras imagenes, sino que cada tipo de imagen tiene sus propias caracteristi- cas y consigue mejores resultados en compresién con una técnica muy particular. Esto significa, que por ahora no ha sido posible localizar tuna técnica de compresidn especifica que produzea buenas prestacio-nes para las imdgenes médicas en su conjunto. A pesar de esto, la ten- dencia se encamina hacia un reducido niimero de técnicas que podrian dar lugar en el futuro a un estindar de compresién de imagenes médi- cas, que no existe hoy dfa. También podria pensarse en la realizacién ‘de un pequeiio anzlisis a Ia imagen, previo a la compresién, permitien- do hacer la elecci6n de Ja mejor técnica aplicable a ese tipo de imagen en particular. A pesar de la inexistencia de estandares de compresién de imigenes médicas, sf que existen esténdares de comunicacién para este tipo de imagenes, con DICOM a la cabeza. Estos estindares, aceptados por las, principales instituciones y fabricantes relacionadas con las imfgenes ‘meédicas, permitirén una comunicacién eficiente y universal de estos datos con cualquier equipo que admita el esténdar. Esto supone un gran avance para la compatibilidad de equipos que manejan las image- nes médicas. BIBLIOGRAFIA ANDERSON, M. (1995): «Task-Oriented Lossy Compression of Magnetic Resonance Images», Thesis of Simon Fraser University Baskur, As Maan, L & Gourre, R. (1992): «Adaptive discrete cosine transform coding algorithm for digital mammography». Optical Engineering, 31(9): 1922- 1928. BHASKARAN, V. & KONSTANTINIDES, K, (1993): «Image and Video Compzenssion ‘Standards, Algorithms and Architectures». Klumer Academic Publisher BHASKARAN, V. & KONSTANTINIDES, K. (1997): «mage and Video Comoression Standards. Algorithms and Architectures», Second Eaton. Klumer Academie Pu- biisber. BKoWN, C. W. & SHEPHERD, B. J. (1995): «Graphies File Formats: Reference and Guide>. Prentice Hal, ‘Cuunte, D.; Mrrucets, P. etal, (1994): «Detection of disrete white matter lesions after inneversible JPEG comprenssion of MR images. Proceedings of SICAR 94: ‘Symposium for Computer Assisted Radiology, pp. 204-209. SICAR, Symposia Foundatia, COLLINS, C. etal. (1994): «Design of a receiver operating characteristics (ROC) study ‘of 10:1 lossy image compression». In Harald L. Kundel, editor, Medical imaging 1994; Imagen Perception, Proceedings of SPIE 2166, pp. 149-158. SPIE. CoswaN, Pz Gay, R. & OLSHEN, R. (1994): «Evaluating quality of compressed me- dical images: SNR, subjective rating, and diagnostic accuracy». Proceedings of the IEEE, 82(6): 919-932, GowzAtez, R. & Woons, R. (1992): «Tratamiento digital de imégeness. Adisson- ‘Wesley/Diaz de Santos. Huu, $; Pasoe, Ft al, (1995): «DICOM: An Introduction t the Standards. Univer sily of Pennsylvania ‘www ipLutmck edu/radiolopy/inforadsd 1 sid/dicom_PSU_in tra. html 375376 Hy, J; WNAG, Y. & CAHILL, P, (1993): «Semi-adaptive vector quantization and its ap- ‘plication in medical image compression». Visual Coramunications and Image Pro- ‘cessing’ 93, Proceedings of SPIE 2084, pp. 902-913. SPIE, Huano, H. (1996): «Picture Archiving and Communication System in Biomedical Imaging». VCH Publishers, NY. HUANG, H. (1997): eMultimedia Applications in Health Cares, IEEE Multimedia, Vol 4.02, KopaK, DIGITAL SCIENCE (1996); «Medical Imaging Product. The Fundamentals of ICOM», Kostas, T. SULLIVAN, B. et al, (1993): «Adaptation and evaluation of JPEG-based ‘compression for radiographic images». In Yongmaia Kim, editor, Medical Imaging 1993: Image Capture, Formating, and Display, Proceddings of SPIE 1897, pp. 276-281. SPIE, [NHS Excumive (1997): NHS Informatin Technology Standards, «Medical Imaging ‘and multimedia standards ‘www ime.exec.nhs.uk/mimms/mis/medchars PERLMUTTER, S. M.: Cosman, P. C. & etal. (1998): «Medical image compression and vector quantization», Statistical Science, Vol. 13, N*1, February 1998. SoL, C. & PHU, N. (1997A): «Ultrasound image coding using shape-adaptive quanti- Zation». Proe. of the Conference on Medical Images, Newport Beach, USA, vol. 3081, pp. 328.330 SoL, C. & PINOL, F. (1997B): «Adaptive predictive coding of ultrasound images» Proc. of the 11th, Int, Symposium in Computer Assisted Radiology and Surgery, . 1004, SoL, C. & Dessa, C.(1996C): «Compression based on a geometric transformation of ‘chocardiographic ultrsound images». World Congress on Medical physics and Biomedical Engineering (NICE'97), vol. 2, p. 1310, 1997.