論文の概要: MedROI: Codec-Agnostic Region of Interest-Centric Compression for Medical Images

• arxiv url: http://arxiv.org/abs/2604.04511v1
• Date: Mon, 06 Apr 2026 08:24:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.141489
• Title: MedROI: Codec-Agnostic Region of Interest-Centric Compression for Medical Images
• Title（参考訳）: MedROI : 医用画像における関心中心圧縮のコーデック非依存領域
• Authors: Jiwon Kim, Ikbeom Jang,
• Abstract要約: 圧縮に先立ってバックグラウンドのボクセルを破棄するROI中心のプラグアンドプレイフレームワークであるMedROIを提案する。 MedROIは、軽量な強度ベースのしきい値設定を通じてタイトな組織境界ボックスを抽出し、固定された54バイトのメタデータレコードを格納し、減圧中の空間的復元を可能にする。 ほとんどの構成で圧縮比と符号化/復号時間が統計的に顕著に向上する。
• 参考スコア（独自算出の注目度）: 6.993652729857547
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Medical imaging archives are growing rapidly in both size and resolution, making efficient compression increasingly important for storage and data transfer. Most existing codecs compress full images/volumes(including non-diagnostic background) or apply differential ROI coding that still preserves background bits. We propose MedROI, a codec-agnostic, plug-and-play ROI-centric framework that discards background voxels prior to compression. MedROI extracts a tight tissue bounding box via lightweight intensity-based thresholding and stores a fixed 54byte meta data record to enable spatial restoration during decompression. The cropped ROI is then compressed using any existing 2D or 3D codec without architectural modifications or retraining. We evaluate MedROI on 200 T1-weighted brain MRI volumes from ADNI using 6 codec configurations spanning conventional codecs (JPEG2000 2D/3D, HEIF) and neural compressors (LIC_TCM, TCM+AuxT, BCM-Net, SirenMRI). MedROI yields statistically significant improvements in compression ratio and encoding/decoding time for most configurations (two-sided t-test with multiple-comparison correction), while maintaining comparable reconstruction quality when measured within the ROI; HEIF is the primary exception in compression-ratio gains. For example, on JPEG20002D (lv3), MedROI improves CR from 20.35 to 27.37 while reducing average compression time from 1.701s to 1.380s. Code is available at https://github.com/labhai/MedROI.
• Abstract（参考訳）: 医療画像アーカイブはサイズと解像度の両方で急速に成長しており、ストレージやデータ転送において効率的な圧縮がますます重要になっている。 既存のコーデックのほとんどは、フルイメージ/ボリューム(非診断的背景を含む)を圧縮するか、バックグラウンドビットを保存した差分ROI符号化を適用している。 圧縮に先立ってバックグラウンドのボクセルを破棄する,コーデックに依存しないプラグイン・アンド・プレイのROI中心のフレームワークであるMedROIを提案する。 MedROIは、軽量な強度ベースのしきい値設定を通じてタイトな組織境界ボックスを抽出し、固定された54バイトのメタデータレコードを格納し、減圧中の空間的復元を可能にする。 収穫されたROIは、アーキテクチャの変更や再訓練なしに既存の2Dまたは3Dコーデックを使用して圧縮される。 従来のコーデック(JPEG2000 2D/3D, HEIF)とニューラルコンプレッサー(lic_TCM, TCM+AuxT, BCM-Net, SirenMRI)にまたがる6つのコーデック構成を用いて,ADNIの200T1重み付き脳MRIボリュームに対するMedROIを評価した。 MedROIは、多くの構成において圧縮比と符号化/復号時間において統計的に有意な改善をもたらすが、ROI内で測定された場合の再現品質は同等であり、HEIFは圧縮比ゲインの主要な例外である。 例えば、JPEG20002D (lv3)では、MedROIはCRを20.35から27.37に改善し、平均圧縮時間を1.701から1.380に短縮した。 コードはhttps://github.com/labhai/MedROIで入手できる。

関連論文リスト

• CMC-Bench: Towards a New Paradigm of Visual Signal Compression [85.1839779884282]
  本稿では,画像圧縮のための画像間テキスト(I2T)モデルとテキスト間画像(T2I)モデルの協調性能のベンチマークであるCMC-Benchを紹介する。 超低速では、いくつかのI2TモデルとT2Iモデルの組み合わせが、最も先進的な視覚信号プロトコルを超えたことが証明されている。
  論文  参考訳（メタデータ） (2024-06-13T17:41:37Z)
• UniCompress: Enhancing Multi-Data Medical Image Compression with Knowledge Distillation [59.3877309501938]
  Inlicit Neural Representation (INR) ネットワークは、その柔軟な圧縮比のため、顕著な汎用性を示している。 周波数領域情報を含むコードブックをINRネットワークへの事前入力として導入する。 これにより、INRの表現力が向上し、異なる画像ブロックに対して特異な条件付けが提供される。
  論文  参考訳（メタデータ） (2024-05-27T05:52:13Z)
• MISC: Ultra-low Bitrate Image Semantic Compression Driven by Large Multimodal Model [78.4051835615796]
  本稿では,マルチモーダル画像セマンティック圧縮法を提案する。 画像の意味情報を抽出するLMMエンコーダと、その意味に対応する領域を特定するマップエンコーダと、非常に圧縮されたビットストリームを生成する画像エンコーダと、前記情報に基づいて画像を再構成するデコーダとからなる。 知覚50%を節約しながら最適な一貫性と知覚結果を達成することができ、これは次世代のストレージと通信において強力な可能性を持つ。
  論文  参考訳（メタデータ） (2024-02-26T17:11:11Z)
• Deep Lossy Plus Residual Coding for Lossless and Near-lossless Image Compression [85.93207826513192]
  本稿では、損失のない画像圧縮とほぼロスレス画像圧縮の両面において、統合された強力な深い損失+残差(DLPR)符号化フレームワークを提案する。 VAEのアプローチにおける連立損失と残留圧縮の問題を解く。 ほぼロスレスモードでは、元の残差を量子化し、与えられた$ell_infty$エラー境界を満たす。
  論文  参考訳（メタデータ） (2022-09-11T12:11:56Z)
• Lossy Medical Image Compression using Residual Learning-based Dual Autoencoder Model [12.762298148425794]
  本稿では,2段階のオートエンコーダをベースとした,マラリアRBC細胞イメージパッチの圧縮のための圧縮機・圧縮機フレームワークを提案する。 提案した残差ベースデュアルオートエンコーダネットワークは、元の画像の再構成に使用されるユニークな特徴を抽出するために訓練される。 このアルゴリズムは、JPEG-LS、JP2K-LM、CALIC、最近のニューラルネットワークアプローチよりも76%、78%、75%、および74%のビット節約率で大幅に改善されている。
  論文  参考訳（メタデータ） (2021-08-24T08:38:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。