Evaluating diagnostic loss in compressed medical images using computer simulation

Abstract

Bellek kapasitesinin yanında teletıp merkezlerinin sahip olduğu düşük bantgenişliği medikal görüntülerin sıkıştırılmasını gerekli kılmaktadır. Bu çalışmanın hedefi sıkıştırılmış medikal medikal görüntülerdeki diyagnostik kaybın bilgisayar simulasyonu kullanarak hesaplamaktır.Bu amaç için yapılan geleneksel çalışmalar, medikal görüntüleme uzman gruplarının lezyonun varlığı yada yokluğu hakkında görüş birliğine vardığı bir takım gerçek görüntüler kullanmaktadır. Daha sonra lezyonun farkedilebilirliği bakımından değişik oranlarda sıkıştırmanın etkisini belirlemek için ROC (Receiver Operating Characteristic) eğri analizleri uygulanmaktadır. Lezyonlar tamamiyle farkedilebiliyorsa eğrinin altında kalan alan (AUC) 1'e eşit olmaktadır. Lezyonun farkedilememesi sıradan bir tahminden daha iyi değildir ve eğrinin altında kalan alan (AUC) 0.5'e eşit olmaktadır. Bu çalışmalar istatiksel olarak geçerli olacaksa, çok sayıda görüntü ve gözlemci kullanılarak uygulanmalıdır. Bu nedenle bu oldukça fazla zaman alan ve masraflı bir metottur. Ayrıca bu metotun ciddi sakıncaları vardır. Çünkü küçük ve zor görünen lezyonlar için hiçbir inceleme içermiyor ve bu metotla cihazdaki ve bilgi işleme protokolündeki değişiklikler gibi diğer faktörlerden oluşan hataları karşılaştırmak mümkün değil.Bu tezin amacı, bütün görüntüleme zincirinin içerdiği organ, goruntuleme cihazı ve gözlemciyi simüle ederek bu dezavantajları ortadan kaldırmaktır. Lezyon içeren memeden bilgi sağlayan gamma kamera için görüntü oluşturma işlemini simüle etmede Monte Carlo simülasyon paketi olan SIMIND kullanıldı. Elde edilen görüntüler sonra JPEG ve JPEG 2000 algoritmaları kullanılarak farklı oranlarda sıkıştırıldı. Matematiksel gözlem modeli olan Channelized Hotelling Observer (CHO) kullanılarak lezyon farkedilebilirliği incelendi. Ayrıca görüntü niteliği sayısal nitelik ölçevi kullanılarak değerlendirildi.Sonuçlar zor görünen lezyonlar için diyagnostik kaybın her sıkıştırma oranında olduğunu gösteriyor fakat bu kayıp cihazdaki ve bilgi işleme protokolündeki değişiklikler gibi diğer faktörlerden oluşan kayıplarla karşılaştırılabilmektedir. Neticede hangi sıkıştırma oranının kullanılacağı kararı maliyet ve performans dengesi için verilen herhangi bir muhendislik mübadele kararından farklı değildir. Bu sadece belirgin lezyonları kullanarak ideal sıkıştırma oranını belirleyen deneysel çalışmalara zıttır ve bu nedenle alternatif bir yöntem sunmaktadır.

The objective of this thesis is to evaluate the diagnostic loss in compressed medical images using computer simulation. Compressing medical images is a necessity due to the cost of the storage medium as well as the low bandwidth available for telemedicine procedures.Experimental studies conducted conventionally for this purpose use a set of real images for which a consensus is reached by a team of medical imaging specialists, on the presence or absence of a lesion. Then ROC (Receiver Operating Characteristic) curve analysis is carried out in order to determine the effect of compression at different ratios in terms of lesion detectability. The area under the curve (AUC) equals one when lesions can be detected perfectly well. If they can not be detected the area under the curve (AUC) equals 0.5 and this means that it is not better than arbitrary guessing. These experiments should be conducted by using many images and observers if it will be statistically significant. Therefore it is time consuming and expensive. Furthermore, this method has serious drawbacks since it does not include any analysis for small subtle lesions and is impossible to compare the errors due to other factors such as variation in equipment and data acquisition protocols.This thesis has the objective of eliminating these drawbacks by using a computer simulation of the entire imaging chain that includes the organ, the imaging equipment and the human observer. A Monte Carlo simulation package (SIMIND) has been used to simulate the image formation process for a gamma camera acquiring data from a breast containing a lesion. The obtained images are then compressed using the JPEG and JPEG 2000 algorithms at different compression ratios. Lesion detectability is then assessed by using a mathematical observer model named the channelized hotelling observer. Image quality is also assessed using quantitative image quality metrics.The results showed that diagnostic loss occurs at all compression ratios for subtle lesions but this loss may be comparable to other losses such as the ones due to variation in equipment and data acquisition protocols. Eventually, the decision of which compression rate to adopt will not be different than any other engineering tradeoff decision made for balancing cost and performance. This is in contrast with experimental studies that determine the ideal compression ratio based on evident lesions only and therefore presents an alternative methodology.