Συμπίεση μικροσκοπικών εικόνων βιοψιών
Φόρτωση...
Ημερομηνία
Συγγραφείς
Ντρίτσος, Γεώργιος
Σολωμός, Βασίλειος
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Οι προηγμένες μικροσκοπικές τεχνικές, όπως η διαλογή υψηλής απόδοσης, η διαλογή υψηλού περιεχομένου, η πολυφασματική απεικόνιση και η τρισδιάστατη απεικόνιση θα μπορούσαν να περιλαμβάνουν πολλές εικόνες ανά πείραμα που απαιτούν εκατοντάδες gigabyte (GBs) μνήμης. Αποτελεσματικές μέθοδοι συμπίεσης εικόνας με απώλειες, όπως η κοινή ομάδα ειδικών φωτογραφίας (JPEG) και το JPEG 2000, είναι ζωτικής σημασίας για τη διαχείριση αυτών των μεγάλων ποσοτήτων δεδομένων. Ωστόσο, αυτές οι μέθοδοι μπορούν να αποκτήσουν οπτική ποιότητα με υψηλούς λόγους συμπίεσης, αλλά όχι απαραίτητα να διατηρήσουν την ακεραιότητα των ιατρικών δεδομένων και πληροφοριών. Σε αυτή τη μελέτη, προτείνουμε μια νέα και βελτιωμένη μέθοδο συμπίεσης ιατρικής εικόνας που βασίζεται στη μείωση της διαφοράς κυματιδίων χρώματος. Συγκεκριμένα, η προτεινόμενη μέθοδος είναι μια επέκταση της τυπικής μεθόδου μείωσης διαφοράς κυματιδίων (WDR) με τη χρήση μέσης διαφοράς εικονοστοιχείων που εντοπίζεται μεταξύ τους για την επιλογή της βέλτιστης ποσότητας έγχρωμων εικόνων που παρουσιάζουν την υψηλότερη ομοιότητα στον χωρικό και χρονικό τομέα. Οι εικόνες με μεγάλη χωροχρονική συνοχή κωδικοποιούνται ως ένας τόμος και αξιολογούνται ως προς την αναλογία κορυφής σήματος προς θόρυβο (PSNR) και τον δείκτη δομικής ομοιότητας (SSIM). Η προτεινόμενη μέθοδος αξιολογείται στο προκλητικό πεδίο ανάλυσης εικόνας ιστοπαθολογικής μικροσκοπίας χρησιμοποιώντας 37 διαφάνειες καρκίνου του παχέος εντέρου. Διαπιστώθηκε ότι η αντιληπτική ποιότητα της ιατρικής εικόνας είναι αξιοσημείωτα υψηλή. Τα αποτελέσματα υποδεικνύουν ότι η βελτίωση PSNR σε σχέση με τα υπάρχοντα σχήματα μπορεί να φτάσει έως και 22,65 dB σε σύγκριση με το JPEG 2000 και έως 10,33 σε σύγκριση με μια μέθοδο που χρησιμοποιείται DWT και μπορεί να μας οδηγήσει στην εφαρμογή μιας φορητής πλατφόρμας και web που μπορεί να χρησιμοποιηθεί για συμπίεση και μετάδοση μικροσκοπικών ιατρικές εικόνες σε πραγματικό χρόνο.
Advanced microscopic techniques such as high-throughput screening, high-content screening, multispectral imaging, and 3D imaging could include many images per experiment requiring hundreds of gigabytes (GBs) of memory. Efficient lossy image-compression methods such as joint photographic experts group (JPEG) and JPEG 2000 are crucial to managing these large amounts of data. However, these methods can get visual quality with high compression ratios, but not necessarily maintain the integrity of the medical data and information. In this study, we propose a novel and improved medical image compression method based on color wavelet difference reduction. Specifically, the proposed method is an extension of the standard wavelet difference reduction (WDR) method using mean co-located pixel difference to select the optimum quantity of color images that present the highest similarity in the spatial and temporal domain. The images with large spatiotemporal coherence are encoded as one volume and evaluated regarding the peak signal-to-noise ratio (PSNR) and structural similarity index (SSIM). The proposed method is evaluated in the challenging histopathological microscopy image analysis field using 37 slides of colorectal cancer. It is found that the perceptual quality of the medical image is remarkably high. The results indicate that the PSNR improvement over existing schemes may reach up to 22.65 dB compared to JPEG 2000 and up to 10.33 compared to a method utilized DWT and can lead us to implement a mobile and web platform that can be used for compressing and transmitting microscopic medical images in real-time
Advanced microscopic techniques such as high-throughput screening, high-content screening, multispectral imaging, and 3D imaging could include many images per experiment requiring hundreds of gigabytes (GBs) of memory. Efficient lossy image-compression methods such as joint photographic experts group (JPEG) and JPEG 2000 are crucial to managing these large amounts of data. However, these methods can get visual quality with high compression ratios, but not necessarily maintain the integrity of the medical data and information. In this study, we propose a novel and improved medical image compression method based on color wavelet difference reduction. Specifically, the proposed method is an extension of the standard wavelet difference reduction (WDR) method using mean co-located pixel difference to select the optimum quantity of color images that present the highest similarity in the spatial and temporal domain. The images with large spatiotemporal coherence are encoded as one volume and evaluated regarding the peak signal-to-noise ratio (PSNR) and structural similarity index (SSIM). The proposed method is evaluated in the challenging histopathological microscopy image analysis field using 37 slides of colorectal cancer. It is found that the perceptual quality of the medical image is remarkably high. The results indicate that the PSNR improvement over existing schemes may reach up to 22.65 dB compared to JPEG 2000 and up to 10.33 compared to a method utilized DWT and can lead us to implement a mobile and web platform that can be used for compressing and transmitting microscopic medical images in real-time
Περιγραφή
Λέξεις-κλειδιά
Μικροσκόπια, Βιοψία
Θεματική κατηγορία
Απεικόνιση, Ιατρική - Μικροσκόπια
Παραπομπή
Σύνδεσμος
Μεταπτυχιακή εργασία
Γλώσσα
el
Εκδίδον τμήμα/τομέας
Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Όνομα επιβλέποντος
Τζάλλας, Αλέξανδρος
Εξεταστική επιτροπή
Καρβέλης, Πέτρος
Γιαννακέας, Νικόλαος
Γιαννακέας, Νικόλαος
Γενική Περιγραφή / Σχόλια
Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών.
Πίνακας περιεχομένων
Χορηγός
Βιβλιογραφική αναφορά
Ντρίτσος, Γ., & Σολωμός, Β., 2022. Συμπίεση μικροσκοπικών εικόνων βιοψιών. Μεταπτυχιακή εργασία. Άρτα: Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών.
Ονόματα συντελεστών
Αριθμός σελίδων
Λεπτομέρειες μαθήματος
item.page.endorsement
item.page.review
item.page.supplemented
item.page.referenced
Άδεια Creative Commons
Άδεια χρήσης της εγγραφής: Attribution-NonCommercial-NoDerivs 3.0 United States