Kompresi Citra Medik

Radiologi adalah salah satu domain aplikasi utama di teknologi pencitraan medis. Menurut Wong et. al. [1], 30%  pemeriksaan radiologi di Amerika serikat dilakukan secara langsung pada media digital. Berbagai macam citra medik dalam berbagai modalitas diantaranya adalah citra sinar-x (X-ray), computed tomography (CT), magnetic resonance imaging (MRI), ultrasonography (USG), positron emission tomography (PET), single photon emission computerized tomography (SPECT), nuclear medicine (NM), digital substraction angiography (DSA), dan digital flurography (DF) belum dapat disimpan dalam rekam medik bersama-sama dengan informasi tekstual. Sebelum disimpan dalam rekam medis, citra-citra medik ini harus diubah dahulu ke dalam format digital.

Terdapat beberapa permasalahan yang menyebabkan informasi citra medik tidak disimpan dalam rekam medis, yaitu besarnya kapasitas penyimpanan dan lebar kanal telekomunikasi yang dibutuhkan untuk mentransmisikan citra medik tersebut. Sebagai ilustrasi, sebuah citra digital sinar-x thorax memiliki dimensi 2000 x 2000 piksel dengan derajat keabuan 8 bit, memiliki ukuran sebesar 3.7 MB. Selain berukuran besar, jumlah citra medik yang disimpan juga sangat banyak. Stephen Wong et al [1], dalam publikasinya menyebutkan bahwa komunitas PACS (Picture Archiving and Communication Systems) di USA mencatat jumlah citra medik digital yang telah disimpan mencapai orde petabyte, 10^15.

Sebuah solusi telah dikembangkan untuk menjawab permasalahan tersebut, yaitu kompresi citra medik. Solusi ini masih berhadapan dengan masalah-masalah legal, sebab berkaitan dengan proses diagnosis yang berujung pada jiwa manusia. Terdapat dua jenis kompresi citra, yaitu kompresi lossless dan lossy. Kompresi lossy memiliki kinerja yang lebih baik dibandingkan dengan lossless dalam pemampatan citra. Sebaliknya, dilihat dari sisi legalitas kompresi lossless tidak memiliki masalah, karena bersifat dapat dikembalikan (reversible). Kompresi ini tidak akan menghilangkan informasi apapun dari citra medik. Akan tetapi, kompresi lossy akan bersinggungan dengan aspek legal, sebab terdapat informasi yang hilang pada citra hasil rekonstruksinya. Banyak kompresi lossy dikembangkan agar memenuhi syarat dalam aspek legalitas, meskipun aspek legal standarnya belum ada.

Saya bersama Pak Andriyan meneruskan penelitian di lab kami sebelumnya untuk mengembangkan pengkodean citra medik ini. Algoritma yang kami gunakan adalah kuantisasi vektor (KV). Pengkodean yang telah kami kembangkan mampu memampatkan citra sinar-x hingga 16 kalinya bahkan hingga 64 kali tetapi tetap memelihara diagnostic value dari citra tersebut. Detail tentang algoritma yang kami kembangkan (Scalable Fuzzy Vector Quantization) [2] akan saya jelaskan pada posting yang lain. Algoritma ini mampu mengkodekan citra sinar-x thorax yang berukuran 3.7 MB menjadi 235 KB. Berikut ini adalah hasil dari implementasi algoritma yang kami kembangkan

 

Gambar di sebelah kiri adalah citrathorax asli, sedangkan yang di sebelah kiri merupakan citra rekonstruksinya. Terlihat citra rekonstruksi masih memelihara diagnostic information/value. Jika kita lihat dengan skala 1:1, terdapat blocking artifact. Hal ini disebabkan oleh proses kuantisasi. Artifak ini bisa dilihat pada gambar di bawah ini.

Bisa Anda lihat blocking artifact muncul pada citra rekonstruksi di sebelah kiri. Bandingkan dengan citra asli di sebelah kanan. Saat ini kami sedang mencoba mengimplementasikan algoritma tertentu untuk meminimalkan efek blocking ini. Di samping itu kami juga sedang mencoba mengimplmentasikan lossless coding menggunakan search-order coding untuk memampatkan citra terkode (235 KB) menjadi lebih kecil lagi (sekitar 160 – 180 KB).

Sistem pengkodean yang kami kembangkan juga menerapkan skema scalable atau lossy-to-lossless. Artinya citra rekonstruksi yang merupakan citra terkompresi lossy dapat kita tingkatkan kualitas citranya menjadi kualitas yang sama dengan citra aslinya pada suatu daerah tertentu yang ingin dianalisis (region of interest – ROI). Asumsinya, dokter atau radiologis hanya menganalisis pada beberapa daerah tertentu (ROI)dengan luas yang tidak terlalu lebar.

Pada gambar di atas ini, Anda bisa melihat area di dalam kotak telah ditingkatkan kualitasnya dengan tanda hilangnya blocking artifact. Sedangkan, daerah di luar kotak ditemui blocking artifact, sebab daerah tersebut adalah daerah pada citra rekonstruksi (lossy) yang belum ditingkatkan kualitasnya.

Referensi

1. S. Wong et. al., Radiologic image compression-A review, Proc. of the IEEE, Vol. 83, No.2, Feb. 1995
2. A.D. Setiawan, A.B. Suksmono, and B. Dabarsyah, Scalable Radiology Image Transfer and Compression Using Fuzzy Vector Quantization, Jounal of eHealth Tech. & Applications, 2007