یک تصویر CT عادی با عرض و ارتفاع ۵۱۲، خاکستری (یک نمونه به ازای هر پیکسل) و بیت‌های ذخیره شده = 12 را در نظر بگیرید. ذخیره این تصویر به چه میزان حافظه کامپیوتری نیاز خواهد داشت؟

بیایید محاسبات ریاضی را انجام دهیم. برای ذخیره ۱۲ بیت، ما باید دو بایت کامل (۱۶ بیت) اختصاص دهیم. تعداد کل پیکسل‌ها ۵۱۲ x 512 است، بنابراین تعداد کل بایت‌ها برای ذخیره آنها بدین صورت خواهد بود:

۵۱۲ × ۵۱۲ ×۲ = 524,۲۸۸

این بدین معناست که ما به نیم مگابایت برای ذخیره‌سازی مشخصه‌ «داده پیکسل» این تصویر CT دایکام نیاز داریم.

با این حال، تصاویر CT تنها نیستند. آنها به صورت مجموعه هستند و هر یک از آنها ممکن است از چند صد تا چند هزار تصویر داشته باشد. در این مورد، ۲۰۰ CT فضایی معادل ۱۰۰ مگابایت اشغال خواهد کرد. دریافت این حجم با استفاده از شبکه Dial-up به شش ساعت و در یک شبکه پرسرعت به چند دقیقه زمان نیاز خواهد داشت. چند روز مطالعه با این حجم از داده می‌تواند به آسانی فضای هارد شما را پر کند. این حجم از داده‌ها را چگونه مدیریت می‌کنید (جدول ۶.۲).

پاسخ‌های معمول برای این پرسش بدین صورت خواهند بود: “خرید کامپیوتر بهتر” یا “استفاده از شبکه‌ای با سرعت بیشتر”. اگرچه ارتقا سخت‌افزار سیستم همواره ایده خوبی است، اما در این مورد، این راهکار فقط یک مشکل را حل می‌کند: نحوه صرف هزینه.

به پیشرفت‌های قابل توجه در کیفیت و رزولوشن دستگاه‌های تصویربرداری دیجیتال توجه کنید. DRها و CRها، CTهای چند اسلایسی، تصویربرداری با رزولوشن بالا، ماموگرافی دیجیتال و دستگاه‌های سونوگرافی همواره در حال افزایش رزولوشن و تعداد تصاویر تولیدی هستند که این امر باعث افزایش حجم تصاویر و اندازه مطالعه می‌شود (برانستتر، ۲۰۰۹). اگر قصد دارید یک شرکت پزشکی رقابتی و قابل توسعه راه‌اندازی کنید و به مواردی نظیر تله رادیولوژی فکر می‌کنید، بدون استفاده از فشرده‌سازی تصویر قادر به ادامه فعالیت خود نخواهید بود (هوانگ، ۲۰۰۴).

ماتریس تصویر (ارتفاع، عرض، بایت در هر پیکسل)	اندازه مطالعه (مگابایت)	حجم تصویر (کیلوبایت)	تعداد تصویرها در یک مطالعه	حالت عکس
۱ × ۱۲۸ × ۱۲۸	۱.۵	۱۶	۱۰۰	پزشکی هسته‌ای، NM
۲ × ۲۵۶ × ۲۵۶	۲۵	۱۲۸	۲۰۰	رزونانس مغناطیسی، MR
۲ × ۵۱۲ × ۵۱۲	۲۵۰	۵۱۲	۵۰۰	توموگرافی محاسبه شده، CT
۳ × ۸۰۰ × ۶۰۰	۸۶۰	۱۴۰۰	۵۰۰	سونوگرافی رنگی، US
۲ × ۱۷۶۰ × ۲۱۴۰	۳۰	۷۳۵۶	۴	رادیوگرافی محاسبه شده، CR
۳ × ۱۰۲۴ × ۱۰۲۴	۶۰	۳۰۰۰	۲۰	بازسازی رنگی سه بعدی
۲ × ۴۸۰۰ × ۶۴۰۰	۲۴۰	۶۰۰۰۰	۴	ماموگرافی دیجیتال، MG

جدول ۶.۲. اندازه معمول تصاویر دیجیتال و نمونه‌های مطالعاتی

با توجه به این مساله، فشرده‌سازی تصویر از ابتدا در استاندارد دایکام به کار گذاشته شده است. فشرده‌سازی تصویر بایت‌های پیکسل تصویر (7FE0,0010) را هدف قرار داده و به طور هوشمندانه آنها را در حالت‌های بسیار کوتاه‌تر سازماندهی می‌کند. این روند به طور قابل‌توجهی اندازه تصویر اصلی را کاهش می‌دهد (که بسیار بهتر از شیوه قدیمی کاهش اندازه بیت‌ها است) و در نتیجه در فضای ذخیره‌سازی صرفه‌جویی کرده و در اغلب موارد زمان دریافت تصویر را نیز کاهش می‌دهد. پیشتر اشاره شد که دایکام، روش‌های فشرده‌سازی تصویر را اختراع نکرده است. بلکه، دایکام تقریبا حاوی تمام الگوریتم‌های فشرده‌سازی مشهور از جمله RLE، JPEG، JPEG2000، JPEG-LS و ZIP است. تمام این الگوریتم‌ها به طور جداگانه ایجاد شده‌اند و در نتیجه باعث ایجاد استانداردهای ایزو و کاربردهای مستقلی شده‌اند و دایکام صرفا آنها را به کار گرفته است. تمام اشیای داده دایکام با بافرهای پیکسل (7FE0,0010) فشرده‌سازی شده توسط نوع VR Little Endian رمزگذاری شده‌اند (به بخش ۵.۵.۱ مراجعه نمایید).

استفاده از فشرده‌سازی تصویر می‌تواند تاثیر قابل توجهی بر ظاهر عکس و عملکرد کلی PACS داشته باشید، بنابراین باید با مبانی فشرده‌سازی صرف‌نظر از سمت کنونی خود در شرکت پزشکی آشنا باشید. ایده‌ اصلی فشرده‌سازی داده به هیچ عنوان دشوار نیست. تمام الگوریتم‌های فشرده‌سازی زایدترین و تکراری‌ترین اطلاعات را پیدا و حذف کرده و در نتیجه داده‌ها را کوتاه‌تر می‌کنند. بازده این کوتاه‌سازی با نسبت فشرده‌سازی زیر تعیین می‌شود:

هر چه نسبت بیشتر باشد، فشرده‌سازی بهتری حاصل خواهد شد. هر یک از الگوریتم‌های فشرده‌سازی استراتژی خاص خود را برای افزایش Rcomp استفاده می‌کنند، اما تمام روش‌های فشرده‌سازی را می‌توان به یکی از دو دسته نسبت داد: بدون افت (قابل بازگشت) و دارای افت (غیرقابل بازگشت).

۶.۲.۱. فشرده‌سازی بدون افت

فشرده‌سازی بدون افت، تصویر را تغییر نمی‌دهد. بعد از فشرده‌سازی و خروج از حالت فشرده، شما به عکس اصلی دست می‌یابید. این امر با گروه‌بندی مجدد هوشمندانه و تغییر نام بایت‌های پیکسل‌ها انجام می‌شود. برای آشنایی با این ایده کلی، توالی مقادیر پیکسل زیر را در نظر بگیرید:

۱۰۰۰، ۱۰۰۱، ۱۰۰۲، ۱۰۰۲، ۱۰۰۰، ۱۰۰۰، ۱۰۰۱، ۱۰۵۷، …

یک الگوریتم فشرده‌سازی بدون افت، موارد تکراری نظیر ۱۰۰۰ را شناسایی کرده و آنها را با نمادهای کوتاه‌تر جایگزین کند. برای مثال، اگر به جای ۱۰۰۰ از a استفاده کنیم، رشته اصلی بدین صورت خواهد بود:

a، ۱۰۰۱، ۱۰۰۲، ۱۰۰۲، a، a، ۱۰۰۱، ۱۰۵۷، …

از آنجایی که a کوتاه‌تر از ۱۰۰۰ است، کل رشته داده ما کوتاه‌تر خواهد بود و بدلیل اینکه ما به خاطر داریم که به جای مقدار ۱۰۰۰ از a استفاده کرده‌ایم، همواره می‌توانیم با قرار دادن عدد ۱۰۰۰ در رشته به جای a، فایل را از حالت فشرده خارج کرده و به حالت اصلی خود بازگردانیم. این رویکرد فشرده‌سازی تحت عنوان رمزگذاری طول متغیر نیز نامیده می‌شود. اکنون این مورد را در نظر بگیرید: اگر ما مواردی با بیشترین تکرار را در داده اصلی انتخاب کرده و آنها را با کوتاه‌ترین نماد ممکن جایگزین کنیم، می‌توانیم به طور قابل توجهی اندازه داده را کاهش دهیم، اما همواره می‌توانیم داده خود را بازیابی کنیم. ما مجددا الگوریتم فشرده‌سازی هافمن را کشف کردیم که مشهورترین الگوریتم در رمزگذاری طول متغیر است (اوکلای، ۲۰۰۳). تمام تصاویر طبیعی همواره بخشی تکراری برای فشرده‌سازی خواهند داشت. اولا، پیکسل‌های مجاور اغلب مقادیر مشابهی دارند؛ ثانیا، تصویر می‌تواند نواحی بزرگی با همان مقدار پیکسل داشته باشد (نظیر یک پس زمینه مشکی). این افزونگی داخلی باعث فشرده‌سازی موفق بدون افت کیفیت می‌شود. زمانی که این افزونگی در تعداد زیادی از ابعاد تصویر مورد بررسی قرار می‌گیرد ـ در x و y برای یک تصویر دوبعدی عادی یا در x، y و z برای یک مجموعه تصویر سه بعدی (نظیر توالی اسلایس‌های CT) ـ فشرده‌سازی بیشتری حاصل می‌شود.

با این حال، تکراری بودن پیکسل را می‌توان فقط برای میزان مشخصی به کار برد و برای یک تصویر پزشکی متوسط Rcomp بین دو الی چهار خواهد بود و این بدین معناست که اندازه تصویر فشرده‌سازی شده بین یک دوم و یک چهارم تصویر اصلی خواهد بود. این بسیار خوب است، اما اگر گزینه فشرده‌سازی با افت کیفیت دارید، خوب نخواهد بود.

۶.۲.۲. فشرده‌سازی با افت کیفیت

فشرده‌‌سازی با افت کیفیت همانطور که از نام آن مشخص است برخی از اطلاعات اصلی را به منظور دستیابی به نسبت بالاتری از Rcomp فدا می‌کند. این اقدام با بررسی افزونگی‌ها انجام می‌گیرد. بیایید همان توالی پیکسلی را در نظر بگیریم:

۱۰۰۰، ۱۰۰۱، ۱۰۰۲، ۱۰۰۲، ۱۰۰۰، ۱۰۰۰، ۱۰۰۱، ۱۰۵۷، …

اگر شدت پیکسل در حدود ۱۰۰۰ باشد، آیا می‌توانید تفاوت بین ۱۰۰۰ و ۱۰۰۱ را تشخیص دهید؟ به احتمال زیاد خیر. زیرا این میزان از تغییر فقط تغییری برابر ۰.۱% در روشنایی پیکسل است. بنابراین، ما می‌توانیم این توالی را با انتخاب یک سطح خاکستری به عنوان حاشیه خطای قابل قبول و جایگزین کردن ۱۰۰۱ با ۱۰۰۰ اندکی تغییر دهیم:

۱۰۰۰، ۱۰۰۰، ۱۰۰۲، ۱۰۰۲، ۱۰۰۰، ۱۰۰۰، ۱۰۰۰، ۱۰۵۷، …

اگر از فشرده‌سازی بدون افت برای این توالی تغییر یافته استفاده کنیم، به این توالی دست خواهیم یافت:

a، a، ۱۰۰۲، ۱۰۰۲، a، a، a، ۱۰۵۷، …

نتیجه بسیار کوتاه‌تر از فشرده‌سازی کاملا بدون افت خواهد بود. به عبارت دیگر، اگر فشرده‌سازی بدون افت از پیکسل‌های برابر بهره‌ می‌برد، فشرده‌سازی دارای افت این مساله را به مقادیر پیکسلی تقریبا برابر در حاشیه خطای ناچیز و قابل چشم‌پوشی گسترش می‌دهد.

شاید باورش برایتان سخت باشد اما بسیاری از الگوریتم‌های فشرده‌سازی با افت کنونی می‌توانند Rcomp برابر ۱۰۰ داشته باشند و این به معنای کاهش داده‌ها به ۱% اندازه اصلی است. برای تصاویر پزشکی متوسط، مقدار Rcomp برابر ۱۰ و در برخی موارد برابر ۲۰ است. مقدار Rcomp در فشرده‌سازی دارای افت به طور کامل به مقدار خطای قابل چشم‌پوشی بستگی دارد. در مثال بالا، ما یک خطای خاکستری را نادیده گرفتیم، اما استفاده از دو خطای خاکستری می‌تواند نتیجه فشرده‌سازی بهتری ایجاد کند که بدین صورت خواهد بود:

a، a، a، a، a، a، a، ۱۰۵۷، …

بدیهی است که این حاشیه خطا را نمی‌توان بطور نامحدود افزایش داد. در نقطه‌ای این تغییرات قابل تشخیص شده و در نتیجه تصویری مصنوعی ایجاد می‌شود. تعادل بین فشرده‌سازی دارای افت با Rcomp زیاد و تحلیل محسوس تصویر به یک هنر تبدیل شده است، اما ضروری است موارد زیر را به خاطر بسپارید:

فشرده‌سازی با افت می‌تواند باعث دعوی حقوقی شود: در صورتی که در برنامه از فشرده‌سازی با افت کیفیت استفاده شده باشد، بر اساس اصول دایکام (و FDA) تمام تصاویر فشرده‌سازی شده باید برچسب‌زده شوند.
مشکلات مربوط به تشخیص کامپیوتری (CAD): با افزایش محبوبیت تشخیص کامپیوتری، کامپیوترها و نرم‌افزارهای کامپیوتری بیش از پیش در تجزیه و تحلیل تصاویر پزشکی به کار برده می‌شوند. خطاهایی که برای چشم انسان قابل تشخیص نیستند، توسط نرم‌افزارهای CAD شناسایی شده و می‌توانند اثرات مخربی داشته باشند.

تشخیص کامپیوتری و فشرده‌سازی با افت کیفیت

برنامه تشخیص کامپیوتری شما می‌تواند ابزاری عینی برای ارزیابی تناسب فشرده‌سازی با افت کیفیت باشد. در صورتی که نتایج یکسانی بر روی تصویر اصلی و تصویر بعد از فشرده‌سازی با افت کیفیت حاصل شوند، شما می‌توانید مطمئن شوید که تصاویر بیش از حد فشرده‌سازی نشده‌اند و نسبت فشرده‌سازی به کار برده شده اختلالی در تجزیه و تحلیل ایجاد نمی‌کند.

شکل ۶.۴. نمایی از فشرده‌سازی با افت کیفیت بیش از حد در تصاویر و الگوهای متنی. JPEG بیش از حد فشرده‌سازی شده باعث ایجاد قسمت‌های مصنوعی می‌شود. JPEG2000 بیش از حد فشرده‌سازی شده باعث ایجاد تاری در تصویر می‌شود.

در حال حاضر، فشرده‌سازی با افت اکیفیت در بسیاری از سیستم‌های تله رادیولوژی به روندی معمول تبدیل شده است، زیرا تصاویر حاصل باید در شبکه‌هایی طولانی با پهنای باند غیرقابل پیش‌بینی منتقل شوند. اما حتی در این موارد نیز، فشرده‌سازی باید احتیاط انجام شود. سال گذشته، من یک سرویس تله رادیولوژی را مشاهده کردم که از JPEG با ۷۰% کیفیت تصویر پزشکی استفاده می‌کرد. شاید برایتان واضح نباشد، اما شما حتی برای تصاویر پزشکی گرفته شده از حیوان خانگیتان نیز نباید از ۷۰% JPEG استفاده کنید. ساختار مصنوعی تصویر در این سطح کیفی بسیار مشخص خواهند بود.

اگر قصد دارید از فشرده‌سازی با افت کیفیت استفاده کنید، همواره با کارشناس رادیولوژی خود در مورد استفاده از این روش برای انواع مختلف تصاویر مشورت کرده و اطمینان حاصل کنید که افت کیفیت نامحسوس باشد.

فشرد‌ه‌سازی با افت کیفیت بیش از حد تصاویری به شدت مصنوعی ایجاد خواهد کرد که نمونه‌ای از آن در شکل ۶.۴ نشان داده شده است.

تصویر سمت راست فرمت JPEG دارد و فشرده‌سازی بیش از حد باعث شده است تصویری مصنوعی حاصل شود که در آن رنگ‌ها به صورت بلوک‌های مستطیلی با رنگ ثابت دیده می‌شوند. همان تصویر در سمت راست در فرمت JPEG2000 فشرده‌سازی شده و این امر باعث تاری تصویر گردیده است. Rcomp هر دو تصویر در حدود ۷۰ است. فشرده‌سازی آنها به یک دهم اندازه اصلی نتایجی به مراتب بهتر ایجاد می‌کند که تفاوت چندانی با تصویر اصلی ندارد.

به خاطر داشته باشید که مسئولیت استفاده از فشرده‌سازی با افت کیفیت بر عهده مسئول رادیولوژی است و در صورتی که موردی به دلیل افت کیفیت تصویر به طور اشتباه تشخیص داده شود، کارشناس رادیولوژی مسئول خواهد بود. سازندگان PACS فقط مسئول موارد زیر هستند:

1. ارائه تصاویر غیرفشرده و در اختیار قرار دادن فشرده‌سازی به عنوان یک گزینه اختیاری. انتخاب فشرده‌سازی با افت کیفیت بر عهده شماست.
2. برچسب‌زنی تصاویر فشرده‌سازی شده با افت کیفیت. در این صورت، اگر شما از کیفیت تصویر رضایت نداشته باشید، باید بتوانید تصویر را به صورت غیرفشرده مشاهده کنید (از وجود این قابلیت اطمینان حاصل کنید).
   علاوه بر این، استفاده مکرر از فشرده‌سازی با افت کیفیت می‌تواند کیفیت تصویر را از بین ببرد. اگر یک تصویر CT را فقط یک بار با نسبت فشرده‌سازی منطقی از چرخه فشرده‌سازی و خارج کردن از حالت فشرده عبور دهید (برای مثال، Rcomp <10)، تصویری که از حالت فشرده خارج شده است ظاهری یکسان با تصویر واقعی خواهد داشت (و یک کارشناس رادیولوژی نیز تفاوت را احساس نخواهد کرد). با این حال، اگر این تصویر را چندین بار فشرده‌سازی کرده و از حالت فشرده خارج کنید (برای ذخیره‌سازی یا ارسال در شبکه)، افت کیفیت به شدت محسوس بوده و تصویری مصنوعی در اختیار خواهید داشت. این امر در صورتی رخ می‌دهد که شما زنجیره‌ای طولانی از دستگاه‌های تصویربرداری متصل به هم داشته باشید که فشرده‌سازی با افت کیفیت در همه آنها فعال باشد. زمانی که تصویر از این زنجیره عبور می‌کند، تصویر نهایی را نمی‌توان برای اهداف تشخیصی استفاده نمود. بنابراین، اگر فشرده‌سازی با افت کیفیت را فعالیت می‌کنید، آن را در نقطه نهایی فعالی کنید (برای مثال، در آرشیو تصویربرداری طولانی مدت یا ایستگاه کاری نمایش کاربر نهایی). هرگز از فشرده‌سازی با افت کیفیت در وسط زنجیره ارسال تصویر استفاده نکنید.

نویز و فشرده‌سازی

فشرده‌سازی با افت کیفیت تصاویر دارای نویز از جمله اسلایس‌های CT دشوارتر است. زیرا نویز باعث نابودی شباهت‌های پیکسلی می‌شود. از سوی دیگر، فشرده‌سازی دارای افت مقادیر پیکسلی را رند کرده و آنها را مشابه‌تر می‌کند و از بسیاری جهات همانند الگوریتم‌های کاهش نویز عمل می‌‎کند. این امر استفاده از فشرده‌سازی با افت کیفیت را برای حالت‌های دارای نویز از جمله سونوگرافی توجیه می‌کند.

۶.۲.۳. فشرده‌سازی استریمینگ

فشرده‌سازی استریمینگ (پیشبردی) و آنی را می‌توان به عنوان نوع هوشمند فشرده‌سازی استاندارد قلمداد نمود. استریمینگ به تصاویر کوچک شباهت دارد (تصاویری که برای بزرگنمایی باید بر روی آنها کلیک شود) که در بسیاری از سایت‌ها مشاهده کرده‌اید. مثال زیر را در نظر بگیرید: شما باید یک تصویر CR بزرگ را دانلود و بررسی کنید. رزولوشن مانیتور شما ۱۰۲۴ x 768 است و اندازه تصویر CR برابر ۲۰۰۰ x 1500 پیکسل است. این بدین معناست که تصویر CR اندازه‌ای دو برابر عرض و ارتفاع مانیتور شما دارد. صرف‌نظر از روش‌های به کار برده شده برای بزرگنمایی یا تغییر زاویه، تصویر هرگز با رزولوشن اصلی خود بر روی صفحه نمایش شما نشان داده نخواهد شد. اگر شبکه شما به اندازه کافی سریع نیست، چه دلیلی برای بارگذاری کامل تصویر وجود دارد؟ زیرا شما هرگز قادر نخواهید بود آن را به طور کامل مشاهده کنید.

فشرده‌سازی استریمینگ به طور هوشمند فضای نمایش تصویر کنونی را بررسی کرده و جزئیاتی با رزولوشن بالا را فقط به بخش‌هایی از تصویر که شما در حال حاضر مشاهده می‌کنید، اضافه می‌کند (شکل ۶.۵). از آنجایی که فشرده‌سازی جزئیات دارای رزولوشن زیاد بسیار دشوار است، استفاده از آن فقط در مواقع نیاز باعث کاهش مدت زمان دانلود و همچنین اندازه عکس می‌شود. در ابتدا، فشرده‌سازی استریمینگ تصویری را با کمترین جزئیات ممکن و دقیقا به اندازه مانیتور کاربر به کاربر ارسال می‌کند. جزئیات کم به معنای پیکسل‌های تکراری و در نتیجه پیکسل‌هایی است که بیشتر از سایر پیکسل‌ها قابلیت فشرده‌سازی دارند و این امر باعث افزایش سرعت بارگذاری در مقایسه با تصویر اصلی با جزئیات کامل می‌گردد. سپس، زمانی که کاربر نقطه نمایش داده شده را بزرگنمایی می‌کند، فشرده‌سازی استریمینگ جزئیات بیشتری مربوط به همان نقطه را بارگذاری می‌کند.

شکل ۶.۵. بارگذاری تصویر با رزولوشن بالا با استفاده از فشرده‌سازی استریمینگ: در ابتدا، کل تصویر با رزولوشن کم نمایش داده می‌شود (اندازه دانلود کم)، سپس جزئیات نقطه مدنظر به درخواست کاربر بارگذاری می‌شوند و بارگذاری به نقطه نمایش تعیین شده توسط کاربر بستگی دارد.

این روش می‌تواند سرعت دانلود تصویر را به طور قابل‌توجهی افزایش دهد، زیرا:

1. کاربر اغلب به نقطه‌ای از تصویر نگاه می‌کند و نیازی به در اختیار داشتن کل تصویر با رزولوشن بالا ندارد. همچنین، با بررسی مجموعه‌ای از تصاویر، کاربر فقط به چند عکس نگاه می‌کند.
2. کاربر می‌تواند بلافاصله کار با عکس را آغاز کند و نیازی برای انتظار به منظور دریافت کل تصویر با رزولوشن بالا وجود ندارد.
3. تقسیم‌بندی دانلود تصویر به بخش‌های کوچکتر با جزئیات موردنیاز باعث نامحسوس‌تر شدن زمان دانلود می‌شود.

این ویژگی‌ها باعث شده‌اند این نوع از فشرده‌سازی برای سیستم‌های تله رادیولوژی مطلوب باشند و نیازی به صرف زمان بیشتر برای دانلود تصاویر بزرگتر وجود ندارد. تنها مشکل این روش فشرده‌سازی ناشی از مزیت اصلی آن است: توزیع دانلود کل تصویر بر زمان نمایش تصویر. زمانی که کار قصد دارید نقاط مختلف تصویر را بررسی کنید، انتقال به نقطه دیگر عکس به دانلود جزئیات آن بخش نیاز خواهد داشت. این دانلودهای مکرر و کم‌حجم باعث کاهش سرعت انتقال بین نقاط مختلف گردیده و بدتر از آن نیز همزمان با دانلود، ظاهر تصویر تغییر یافته و جزئیاتی به آن افزوده می‌شود. این امر برای بسیاری از کارشناسان رادیولوژی اذیت کننده است و من بارها کارشناسانی را دیده‌ام که بعد از مدتی استفاده از این روش فشرده‌سازی، مجددا به راهکارهای استاندارد روی آورده‌اند. یکی از این افراد به من گفت: «من می‌دانم که باید چند دقیقه منتظر باشم تا کل تصویر دانلود شود، اما حداقل این روند یک بار در ابتدا رخ می‌دهد و سپس می‌توانم اقدامات دلخواه را بر روی تصویر انجام دهم. همچنین، من می‌توانم در طی دانلود به کار دیگری نظیر تائید گزارشات، تماس با تلفن و … مشغول شوم. اما این در حالی است که در طی استفاده از استریمینگ، من زمان خود را را برای دریافت بخش‌های کوچک و ناکارآمد سپری می‌کنم.»

با این حال، فشرده‌سازی تصاویر در صورتی که اندازه متوسط تصویر با پهنای باند شبکه یکسان باشد، می‌تواند یک مزیت حساب شود. همواره قبل از استفاده از این روش، مزایای بالقوه آن برای محیط خود را ارزیابی کنید. در زمان نگارش این کتاب، هیچگونه پشتیبانی از فشرده‌سازی استریمینگ در دایکام وجود ندارد، اما ممکن است در آینده وجود داشته باشد. استانداردهای فشرده‌سازی تصویر ثابت از جمله JPEG2000، از سطوح متفاوتی از فشرده‌سازی برای تصاویر مختلف پشتیبانی می‌کنند و فرد باید قسمت‌های مهم‌تر تصویر را انتخاب کند تا آن نقاط با بیشترین جزئیات موجود فشرده‌سازی شوند.

۶.۲.۴. انتخاب روش صحیح فشرده‌سازی

بسیاری از اپلیکیشن‌‌های کنونی دایکام با انواع مختلفی از الگوریتم‌های فشرده‌سازی تصویر عرضه می‌شوند و فقط با چند کلیک ساده شما می‌توانید آنها را فعال یا غیرفعال کنید. قبل از این اقدام، شما باید چند مساله مهم را در نظر بگیرید.

اول از همه، شما باید بین تکنیک‌های فشرده‌سازی با افت یا بدون افت، یک مورد را انتخاب کنید. اگر تصاویری را برای تشخیص تولید می‌کنید و یا اگر این تصاویر را برای مدت کوتاهی ذخیره می‌کنید (فضای ذخیره‌سازی مشکل به شمار نمی‌رود)، همواره روش بدون افت کیفیت را انتخاب کنید. این روش عدم تغییر تصاویر تضمین می‌کند. RLE، JPEG بدون افت، JPEG2000 بدون افت، JPEG-LS بدون افت و الگوریتم‌های فشرده‌سازی ZIP تغییری در تصاویر اعمال نمی‌کنند.

اگر بلافاصله بعد از تصویربرداری آن را بررسی کرده، اگر یک پروژه تله رادیولوژی را مدیریت می‌کنید و با مشکلات سرعت شبکه مواجه هستید و اگر تصاویر را برای مدت طولانی ذخیره می‌کنید، شما باید فشرده‌سازی با افت کیفیت را انتخاب نمایید. بدون‌تردید، در صورتی که پهنای باند شما پایین بوده و یا سایز آرشیو تصاویر شما محدوده باشد، مجبور هستید از این روش استفاده کنید. در طی استفاده از فشرده‌سازی با افت کیفیت (از جمله JPEG یا JPEG2000 با افت کیفیت)، قاعده کلی این است که نسبت فشرده‌سازی برابر ۱۰:۱ باشد (Rcomp < 10) و این امر فقط در صورتی امکان‌پذیر است که بتوانید Rcomp را در نرم‌افزار خود کنترل کنید. یکی از معایب عمده پشتیبانی از فشرده‌سازی در دایکام، فقدان کنترل Rcomp در دایکام است. هیچ چیزی در دایکام استاندارد وجود ندارد تا نسبت فشرده‌سازی تعیین یا تائید کند. شما فقط می‌توانید الگوریتم فشرده‌سازی را انتخاب کنید. بنابراین، پشتیبانی از Rcom همواره در اختیار سازنده نرم‌افزار دایکام است و می‌تواند این گزینه را در اختیار شما قرار دهد.

نحوه تعیین Rcomp

اگر نرم‌افزار شما اجازه می‌دهد (که معمولا هم این طور است)، همان عکس دایکام را در ابتدا با فعالسازی گزینه فشرده‌سازی و سپس با غیرفعال کردن آن ذخیره کنید. سپس، نسبت اندازه‌های فایل‌های فشرده‌سازی نشده به فایل‌های فشرده‌سازی شده برآورد خوبی از Rcomp ارائه می‌دهد.

صرف‌نظر از نوع فشرده‌سازی مورد استفاده، هرگز از فشرده‌سازی اختصاصی عرضه‌کننده محصول برای ذخیره‌سازی استفاده نکنید ـ زیرا بدون‌شک بدنبال ایجاد مشکلات انتقال نیستید.

ثانیا، فشرده‌سازی، داده‌ها را در یک فرمت کوتاه‌تر بسته‌بندی می‌کند، اما برای مشاهده، نرم‌افزار شما مجبور است آن را از حالت بسته‌بندی خارج کند. شاید شما نیز شنیده باشید که اندازه کوچکتر فایل باعث تسریع در نمایش آن می‌شود. این کاملا اشتباه است.

استفاده از فشرده‌سازی تصویر دو معنا دارد:

1. بسته‌بندی و خارج کردن داده‌های تصویر از حالت بسته‌بندی به زمان نیاز دارد. این امر باعث کندی نمایش تصویر گردیده و می‌تواند محاسبات را پیچیده‌تر کند و این پیچیدگی به حدی است که می‌تواند اجرای سایر نرم‌افزارهای کامپیوتر شما را نیز تحت تاثیر قرار دهد. بنابراین، مزیت دسترسی به حافظه و کاهش زمان دانلود با افزایش زمان پردازش بی‌اهمیت می‌شود. معمولا، اینطور نیست (و بدین دلیل است که شما به یک کامپیوتر پرسرعت نیاز دارید)، اما برخی از روش‌های فشرده‌سازی از جمله JPEG2000 به زمان فشرده‌سازی و خروج از فشرده‌سازی بیشتری در مقایسه با سایر روش‌های از جمله JPEG-LS نیاز دارند.
2. زمانی که تصاویر به مقصد رسیده و نیاز است که نمایش داده شوند، آنها باید از حالت فشرده خارج شوند. این بدین معناست که تمام بافرهای (7FE0,0010) به اندازه اصلی خود باز می‌گردند. بنابراین، فشرده‌سازی باعث افزایش بازده ایستگاه‌‌های کاری مشاهده کننده تصویر نمی‌شود. آنها همچنان به حافظه و فضای دیسک کافی نیاز دارند تا بتوانند داده‌های غیرفشرده را مدیریت کنند. مزایای اصلی فشرده‌سازی تصویر همواره برای شبکه‌های و آرشیوهای ذخیره‌کننده است و این روش تاثیر بر ایستگاه‌های کاری که تصاویر در آنها نمایش داده خواهد شد، ندارد.

این ماهیت موقت فشرده‌سازی می‌تواند سردرگم‌کننده باشد. شما می‌توانید به اتاق سونوگرافی رفته و متوجه شوید که کاربران چنین جملاتی بیان می‌کنند: «چرا کامپیوتر من با سرعت بسیار پایینی کار می‌کند؟ حجم فایل‌های سونوگرافی من فقط ۳۰ مگابایت هستند.» این فایل‌ها ۳۰ مگابایت هستند، زیرا آنها با نسبت ۱۰:۱ فشرده‌سازی شده‌اند. زمانی که آنها برای نمایش بر روی حافظه کامپیوتر بارگذاری می‌شوند، از حالت فشرده خارج شده و به حجم اصلی خود (۳۰۰ مگابایت) باز می‌‌گردند و این امر برای کاهش سرعت کامپیوتر کافی است.

اگر مزایای فشرده‌سازی تصویر برای ذخیره‌سازی مشخص هستند (شما فضای ذخیره‌سازی را توسط فاکتور Rcomp کاهش داده) و مزایای فشرده‌سازی را اندکی پیچیده‌تر می‌کنید. به شکل ۶.۶ نگاه کنید.

ارسال تصویر فشرده شده با نسبت Rcomp زمان انتقال در شبکه را کاهش می‌دهد، اما نیازمند زمان بیشتر برای فشرده‌سازی و خارج کردن تصویر از حالت فشرده است. بنابراین، اگر قصد دارید از فشرده‌سازی تصویر برای افزایش سرعت انتقال شبکه به میزان K برابر استفاده کنید، شما باید به معادله زیر دست یابید:

شکل ۶.۶. استفاده از فشرده‌سازی تصویر بر روی شبکه‌ها

اگر نسبت فشرده‌سازی متوسط بدون افت کیفیت را Rcomp = 3 در نظر بگیریم و بخواهیم به سرعت انتقال دو برابر K=2 دست یابیم، این معادله را خواهیم داشت:

الگوریتم فشرده‌سازی تصویر باید داده‌ها را حداقل ۱۲ برابر با سرعت بیشتری در مقایسه با سرعت شبکه پردازش کند. حتی اگر شما شبکه نسبتاً آرامی با سرعت ۱۰ مگابیت/ثانیه داشته باشید، شما به الگوریتم فشرده‌سازی ۱۲۰ مگابیت/ثانیه = 15 مگابایت/ثانیه نیاز خواهید داشت تا تصاویر را با سرعتی دو برابر انتقال دهید. با این حال، الگوریتم‌های فشرده‌سازی کنونی معمولا در سطح ۱-۲ مگابیت/ثانیه کار می‌کنند. همانطور که مشاهده می‌کنید، در شبکه‌ها نسبتا سریع، این روند نه تنها سرعت انتقال را افزایش نمی‌دهد، بلکه سرعت را کاهش خواهد داد. از سوی دیگر، در شبکه‌های کلینیکی توزیعی همانند موارد استفاده شده برای تله رادیولوژی، سرعت شبکه معمولا بسیار پایین است و فشرده‌سازی می‌تواند سرعت انتقال را به میزان قابل توجهی افزایش دهد.

ثالثاً، نسبت فشرده‌سازی Rcomp همواره به تصویر بستگی داشته و نمی‌توان قبل از فشرده‌سازی آن را تعیین نمود. برای مثال، تصاویر دارای پس‌زمینه بزرگ تک رنگ (نظیر ماموگرام‌ها) معمولا بهتر از تصاویر دارای نویز (نظیر پزشکی هسته‌ای) فشرده می‌شوند، زیرا فضای تک رنگ به عنوان افزونگی قلمداد شده و قابل فشرده‌سازی است. امروزه، عملکرد بالاتری از روش‌های فشرده‌سازی سه بعدی انتظار می‌رود و ما می‌توانیم از 3D JPEG2000 به عنوان یکی از بهترین نمونه‌ها استفاده کنیم. فشرده‌سازی سه بعدی به بررسی ابعاد دیگری از افزونگی درون تصویر پرداخته و ما را به دستیابی به نسبت فشرده‌سازی بیشتری قادر می‌سازد. همچنین، هر یک از الگوریتم‌های فشرده‌سازی دارای رده خاصی از تصاویر پزشکی هستند که در آنها بهترین عملکرد را از خود نشان می‌دهند. برای مثال، JPEG هشت بیتی با افت کیفیت برای تصاویر CT یا MR کاملا نامناسب است، اما این در حالی است که برای تصاویر سونوگرافی عالی بوده و به طور رایج در دستگاه‌های سونوگرافی به کار برده می‌شود.

در نهایت، اگرچه این تصاویر نشانگر بخش گسترده‌ای از داده‌های دایکام هستند، شبکه‌های TCP/IP به طور کلی و علی‌الخصوصی شبکه دایکام به روش‌های خاص خود کار کرده و زمانی را برای ایجاد ارتباطات، انتقال پروتکل‌ها و طبقه‌بندی داده‌ها در دسته‌های کوچکتر استفاده می‌کنند. بنابراین، حتی با در نظر نگرفتن زمان بسته‌بندی و خارج کردن از حالت بسته‌بندی، انتظار نداشته باشید که شبکه شما بتواند تصاویر فشرده‌سازی شده را Rcomp برابر سرعت پیشین منتقل کند. برخی از جوانب به زمان بیشتری نیاز خواهند داشت.

بحث در مورد جزئیات فشرده‌سازی را باید به زمان دیگری موکول کنیم، زیرا فراتر از گستره این کتاب است، اما اگر فرصت کافی دارید، من به شما توصیه می‌کنم مطالعاتی در مورد نسبت فشرده‌سازی مربوط به حالت (برانستتر، ۲۰۰۹) انجام داده و قبل از هرگونه فشرده‌سازی تصویر در صنعت پزشکی خود با کارشناس مشورت کنید.

سهولت

برخی اوقات فشرده‌سازی می‌تواند بسیار آسان‌تر از آنچه که به نظر می‌رسد، باشد. برای مثال، مایکروسافت ویندوز از فشرده‌سازی پشتیبانی می‌کند و شما می‌توانید بر روی یک پوشه کلیک راست کرده و با انتخاب گزینه Compress آن را فشرده‌سازی کنید. این بدین معناست که فایل‌های ذخیره شده در آن بدون افت کیفیت به حالت فشرده تغییر خواهند یافت و صرف‌نظر از نرم‌افزارهایی که استفاده می‌کنید، ویندوز می‌توانید این فایل‌ها را مدیریت کند.

اما اگر این پوشه، همان پوشه‌ای باشد که در آن تصاویر خود را ذخیره کرده‌اید؟ در این صورت، تمام تصاویر ذخیره شده در این پوشه به طور خودکار و بدون افت کیفیت و صرف‌نظر از نرم‌افزاری که برای این هدف استفاده کرده‌اید، فشرده‌سازی خواهند شد.

ما یکبار از این روش برای آرشیو تصاویر CT خود استفاده کردیم و میانگین Rcoup = 1.6 حاصل شد. این نتیجه بسیار قابل توجه نیست، اما با این حال توانستیم بدون انجام اقدامی خاص، اندازه فایل را ۱.۶ برابر کاهش دهیم.

از آنجایی که بسیاری از PACSهای کنونی هزینه‌ای معادل ۱۰-۲۰ سنت به ازای هر مگابایت تصویر ذخیره‌شده هزینه دریافت می‌کنند، شما می‌توانید با فشرده‌سازی داده‌های خود بر روی یکی از آنها، چندین سرور تصویربرداری جدید برای خود خریداری کنید.