Método de superresolución basado en aprendizaje profundo para la compresión de imágenes de proyección en radioterapia

Área de la Ciencia:

• Imágenes médicas
• Visión por computadora
• Compresión de datos

Sus antecedentes:

• La tomografía computarizada de haz de cono (CBCT) es crucial para la verificación del objetivo de la radioterapia.
• CBCT genera datos masivos de imágenes de proyección, a menudo abandonados debido a limitaciones de almacenamiento.
• El almacenamiento económico de los datos de proyección de CBCT es un desafío importante.

Objetivo del estudio:

• Investigar un método de superresolución (SR) basado en el aprendizaje profundo (DL) para comprimir imágenes de proyección CBCT.
• Evaluar la eficacia de DL SR junto con los códecs de vídeo para la compresión de imágenes.
• Para evaluar la compensación entre la relación de compresión y la calidad de imagen.

Principales métodos:

• Muestreo descendente de imágenes de proyección de alta resolución (HR) a baja resolución (LR) para la codificación.
• Utilización de las redes DL (CNN, ResNet, GAN) para el muestreo de imágenes LR a HR.
• Prueba de los algoritmos de codificación y decodificación de vídeo (CODEC): AVC, HEVC y AV1.
• Evaluación del rendimiento utilizando el coeficiente de compresión (CR), el PSNR, el VQM y el SSIM.

Principales resultados:

• El códec AV1 logró las relaciones de compresión más altas en diferentes factores de muestreo descendente (DSF).
• ResNet demostró una precisión de restauración superior, manteniendo una alta calidad incluso con mayores DSF.
• La relación de compresión aumentó con DSF, con sólo una modesta degradación en la calidad de imagen restaurada.

Conclusiones:

• Los modelos SR basados en DL pueden mejorar aún más las relaciones de compresión más allá de los codificadores de video convencionales.
• Esta técnica de compresión es efectiva tanto para imágenes de proyección 2D como para imágenes de radioterapia 3D.
• El método ofrece una solución viable para el almacenamiento económico de grandes conjuntos de datos de imágenes en radioterapia.