MedROI：面向医学图像的编解码无关性区域兴趣中心压缩
计算机视觉与模式识别
2026-04-07 v1
摘要
医学影像档案正在以快速速度增长，既在规模上也在分辨率上，使得高效压缩用于存储和数据传输变得越来越重要。大多数现有编码器压缩整个图像/体积（包括非诊断背景），或应用差分 ROI 编码仍保留背景位元。我们提出了 MedROI，一种编解码器无关、即插即用的 ROI 中心框架，通过在压缩前丢弃背景体素来实现压缩。MedROI 通过轻量级基于强度的阈值处理提取紧密组织边界框，并存储固定 54 字节的元数据记录以在解压时实现空间恢复。随后使用任意现有的 2D 或 3D 编码器进行压缩，无需架构修改或重新训练。我们在来自 ADNI 的 200 个 T1 加权脑部 MRI 体积上进行评估，使用 6 种编码器配置（包括常规编码器 JPEG2000 2D/3D、HEIF 以及神经压缩器 LIC_TCM、TCM+AuxT、BCM-Net、SirenMRI）。MedROI 在大多数配置下在压缩比和编码/解码时间上均实现了统计显著的改进（使用多重比较校正的双侧 t 检验），同时在 ROI 内保持可比的重建质量；HEIF 是压缩比提升的主要例外。例如，在 JPEG20002D (lv3) 上，MedROI 将压缩比从 20.35 提升至 27.37，同时将平均压缩时间从 1.701 秒降至 1.380 秒。代码已公开于 https://github.com/labhai/MedROI。
引用
@article{arxiv.2604.04511,
title = {MedROI: Codec-Agnostic Region of Interest-Centric Compression for Medical Images},
author = {Jiwon Kim and Ikbeom Jang},
journal= {arXiv preprint arXiv:2604.04511},
year = {2026}
}