Compression of images of dermatological manifestations of paucisymptomatic COVID-19 patients through periodic principal components / Compresión de imágenes de manifestaciones dermatológicas de pacientes paucisintomáticos de COVID-19 mediante componentes principales periódicos

Introduction: The management of medical images has been gaining followers based on the advantages it offers for the diagnosis of diseases, which, like COVID-19, present with clinical manifestations that can be captured in the form of images. Objective: Take advantage of the quasi-periodicity of the principal components (PCs) in the decomposition into PCs of medical images, which represent dermatological manifestations in paucisymptomatic patients of COVID-19. Methods: Here, a set of photos was taken of one of the most frequent patterns in COVID-19, the maculopapular pattern, characterized by an erythmatopapular rash, and compression of one of the medical images was performed. Said compression was carried out in different ways: (1) using two PCs, (2) using both a periodic PC and a non-periodic PC, (3) using two periodic PCs, (4) using a single PC, and (5) using a single periodic PC. Result: The results of this research proved that it is possible to work with acceptable reconstructions of compressed images in the field of dermatology, without losing the quality and characteristics that allow to reach a correct diagnosis. In addition, this achievement permits to correctly classify many diseases without fear of being wrong. Conclusion: With the method presented, the use of a robust medical image compression technique that could be very useful in the field of health is proposed. The images allow the diagnosis of diseases such as COVID-19 in paucisymptomatic patients, understanding them allows minimizing their weight without losing quality, which facilitates their use and storage.

Introducción: El empleo de imágenes médicas en el diagnóstico de enfermedades ha ido ganando adeptos. Un ejemplo es la COVID-19 que cursa con manifestaciones clínicas dermatológicas. Objetivo: Aprovechar la cuasi-periodicidad de los componentes principales de la descomposición en imágenes médicas, que representan manifestaciones dermatológicas en pacientes paucisintomáticos de COVID-19. Métodos: Se tomó un conjunto de fotografías de uno de los patrones más frecuentes en la COVID-19 (el patrón maculopapular), caracterizado por un exantema eritematopapular, y se realizó la compresión de una de las imágenes médicas. Dicha compresión se realizó de diferentes formas: (1) usando dos componentes principales, (2) usando tanto un componente principal periódico como no periódico, (3) dos componentes principales periódicos, (4) un único componente principal, y (5) un solo componente principal periódico. Resultados: Es posible trabajar con reconstrucciones aceptables de imágenes comprimidas en el campo de la dermatología, sin perder la calidad y características que permitan llegar a un diagnóstico correcto. Además, este logro permite clasificar correctamente muchas enfermedades sin miedo a equivocarse. Conclusiones: Con el método presentado se propone el uso de una técnica robusta de compresión de imágenes médicas que podría ser de gran utilidad en el campo de la salud. Las imágenes permiten el diagnóstico de enfermedades como la COVID-19 en pacientes paucisintomáticos, con cuya compresión se minimiza su peso sin perder la calidad, lo que facilita su uso y almacenamiento.

Compresión de imágenes médicas / Medical image compression: a review

La medicina moderna es una actividad cada vez más compleja, basada en la información proveniente de múltiples fuentes: historias clínicas, dictáfonos e imágenes y vídeos provenientes de múltiples dispositivos. Las imágenes médicas constituyen una de las fuentes de mayor importancia, por cuanto ofrecen un apoyo integral del acto médico: el diagnóstico y el seguimiento. Sin embargo, la cantidad de información generada por los dispositivos de adquisición de imágenes sobrepasa rápidamente la disponibilidad de almacenamiento que tienen los servicios de radiología, lo cual genera costos adicionales en equipos de cómputo con mayor capacidad de almacenamiento. Además, la tendencia actual de desarrollo de aplicaciones en la "nube de cómputo", tiene limitaciones por cuanto, aunque el almacenamiento es virtual y está disponible desde cualquier sitio, la conexión se hace a través de internet. En estos dos casos, el uso óptimo de la información requiere necesariamente de algoritmos de compresión potentes y adaptados a las necesidades de la actividad médica. En este artículo se presenta una revisión de las técnicas de compresión más utilizadas para el almacenamiento de imágenes, así como un análisis crítico de éstas desde el punto de vista de su uso en ambientes clínicos.

Modern medicine is an increasingly complex activity , based on the evidence ; it consists of information from multiple sources : medical record text , sound recordings , images and videos generated by a large number of devices . Medical imaging is one of the most important sources of information since they offer comprehensive support of medical procedures for diagnosis and follow-up . However , the amount of information generated by image capturing gadgets quickly exceeds storage availability in radiology services , generating additional costs in devices with greater storage capacity . Besides , the current trend of developing applications in cloud computing has limitations, even though virtual storage is available from anywhere, connections are made through internet . In these scenarios the optimal use of information necessarily requires powerful compression algorithms adapted to medical activity needs . In this paper we present a review of compression techniques used for image storage , and a critical analysis of them from the point of view of their use in clinical settings.

Reducción de los tiempos de adquisición de imágenes por resonancia magnética utilizando técnicas de compressed sensing / Reduction of the acquisition time in magnetic resonance imaging using compressed sensing

Introduction: The acquisition process in magnetic resonance images (MRI) is slow. One approach to reduce the acquisition times is the reconstruction of undersampled data. i.e. to acquire less samples that those needed for standard application, and to reconstruct the unknown samples using mathematical algorithms. We propose to used reconstruction techniques for undersampled data based on Compressed Sensing (CS) to decrease the acquisition times, obtaining identical MRI as those obtained with all samples. Methods: We performed reconstructions of undersampled data obtained from phantoms and MRI with 60 percent, 55 percent and 50 percent of the samples. Results: When the number of samples was more that the double of pixels with non cero intensity, the reconstructions where identical to the original ones. For the MRI experiment, this was achieved with 60 percent of the samples, therefore obtaining a 40 percent of reduction in the acquisition time. Discussion: Our reconstruction technique based on CS is an effective way for reducing the acquisition times in MRI.

Introducción: El proceso de adquisición de imágenes por resonancia magnética (IRM) es lento. Una forma para disminuir los tiempos de adquisición es a través de reconstrucciones de datos submuestreados, es decir tomar menos muestras que las necesarias en aplicaciones estándares, y reconstruir las muestras faltantes a través de algoritmos matemáticos. Proponemos utilizar técnicas de reconstrucción de datos submuestreados basadas en técnicas de Compressed Sensing (CS) para disminuir los tiempos de adquisición, obteniendo imágenes idénticas a las obtenidas con todas las muestras. Métodos: Realizamos reconstrucciones de datos submuestreados de fantomas y IRM con 60 por ciento, 55 por ciento y 50 por ciento de las muestras. Resultados: Cuando el número de muestras fue mayor al doble del número de pixeles con intensidad cero, las reconstrucciones obtenidas fueron idénticas a las originales. Para las IRM esto se logró con 60 por ciento de las muestras, logrando reducciones del 40 por ciento en los tiempos de adquisición. Discusión: Nuestra técnica de reconstrucción basada en CS es una forma efectiva para reducir los tiempos de adquisición de IRM.