Kompresi Citra Medis Otak dengan Pendekatan Storage Of Differences

Abstract

Diagnostic imaging especially brain imaging is nowadays widely developed involving more and more modalities. The size of image dataset then becomes very big. It is a problem not only because of space storage issue but also for reliable data communication as in cloud architecture. Our goal is to develop a novel method called sequential - storage of differences to compress brain image dataset by utilizing redundancy in 4D format (3D+t). We tested our method with real clinical patient data produced by CT Perfusion and measured the ratio of compression as well as power of rate compression to evaluate the performance. With 10 dataset, we have average compression rate of 0.53 and space saving of more than 47%. This method is lossless and compression ratio was acceptable that make it is suitable to be applied in cloud architecture

Pencitraan diagnostik terutama pencitraan otak saat ini banyak dikembangkan dengan melibatkan modalitas yang lebih banyak. Ukuran dataset gambar kemudian menjadi sangat besar. Ini adalah masalah bukan hanya karena masalah penyimpanan ruang tapi juga untuk komunikasi data yang andal seperti pada arsitektur awan. Tujuan kami adalah untuk mengembangkan sebuah metode baru yang disebut sequential-storage of difference untuk memampatkan data citra otak dengan memanfaatkan redundansi dalam format 4D (3D + t). Kami menguji metode kami dengan data pasien klinis nyata yang diproduksi oleh CT Perfusion dan mengukur rasio kompresi serta kekuatan kompresi tingkat untuk mengevaluasi kinerjanya. Dengan 10 dataset, kita memiliki tingkat kompresi rata-rata 0,53 dan penghematan ruang lebih dari 47%. Metode ini lossless dan rasio kompresi pun bisa diterima sehingga membuatnya bisa diterapkan di cloud architecture.