intechnguВестник НГУ. Серия: Информационные технологииVestnik NSU. Series: Information Technologies1818-79002410-0420НГУ10.25205/1818-7900-2025-23-4-23-43intechngu-337Research ArticleСтатьиПроблемы методов сжатия медицинских изображенийProblems of the state of the art in medical images compressionhttps://orcid.org/0000-0002-7838-584XГавриловА. В.GavrilovA. V.

Гаврилов Андрей Васильевич, кандидат технических наук, заведующий лабораторией медицинских компьютерных систем Научно-исследовательского института ядерной физики им. Д. В. Скобельцына

Москва

Andrey V. Gavrilov, Candidate of Engineering Sciences, Head of the laboratory

Moscow

agavrilov49@gmail.comhttps://orcid.org/0009-0004-5474-1397КраюшкинД. В.KrayushkinD. V.

Краюшкин Денис Владиславович, аспирант

Москва

Denis V. Krayushkin, Postgraduate student

Moscow

KrayushkinDenV@yandex.ruhttps://orcid.org/0000-0001-8959-6119ЧеповскийА. М.ChepovskiyA. M.

Чеповский Андрей Михайлович, доктор технических наук, профессор

Москва

Andrey M. Chepovskiy, Doctor of Engineering Sciences, Professor

Moscow

achepovskiy@hse.ruМосковский государственный университет им. М. В. ЛомоносоваРоссияLomonosov Moscow State UniversityRussian FederationНациональный исследовательский университет «Высшая школа экономики»РоссияHSE UniversityRussian FederationНациональный исследовательский университет «Высшая школа экономики»; Российский экономический университета им. Г. В. ПлехановаРоссияHSE University; Plekhanov Russian University of EconomicsRussian Federation2025120220262342343Copyright © Гаврилов А.В., Краюшкин Д.В., Чеповский А.М., 20262026Гаврилов А.В., Краюшкин Д.В., Чеповский А.М.Gavrilov A.V., Krayushkin D.V., Chepovskiy A.M.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://intechngu.elpub.ru/jour/article/view/337

Автоматизация службы лучевой диагностики существенно повысила доступность радиологических исследований для точной диагностики заболеваний и травм. Вместе с тем расширение парка рентгенологического оборудования, внедрение телемедицины и сервисов поддержки врачебных решений на основе искусственного интеллекта требуют модернизации систем хранения и обработки изображений в уже существующих системах.

В данной статье представлен обзор современных методов сжатия радиологических изображений, которые обеспечивают более высокий коэффициент сжатия, улучшенное качество изображения и меньшее время кодирова­ния/декодирования по сравнению со стандартами, предусмотренными спецификацией DICOM. Обзор научных публикаций позволяет заключить, что рентгенологические изображения обладают рядом особенностей, учет которых в алгоритмах сжатия позволяет улучшить показатели сжатия изображений. К таким особенностям от­носятся: высокая зашумленность, наличие локально симметричных областей (схожих участков), а также при­сутствие множества последовательных кадров в рамках одного исследования.

Применение современных подходов к сжатию данных способно повысить отказоустойчивость высоконагруженных медицинских систем и сократить затраты на хранение, передачу и обработку диагностических исследований.

The automation of radiology services has significantly improved access to radiological imaging for accurate diagnosis of diseases and injuries. However, the expansion of radiological equipment, the adoption of telemedicine, and the integration of AI-powered clinical decision support systems necessitate upgrades to existing medical image storage and processing solutions.

This article reviews modern compression methods for radiological images, which offer higher compression ratios, im­proved image quality, and faster encoding/decoding times compared to the standards defined by the DICOM specification. It is established that radiological images possess unique characteristics—such as high noise levels, locally symmetric regions (similar patches), and the presence of multiple sequential frames in a single study—which, when accounted for in compression algorithms, can enhance compression efficiency.

Implementing advanced data compression approaches can increase the fault tolerance of high-load medical systems and reduce costs associated with the storage, transmission, and processing of diagnostic studies.

сжатие изображениймедицинские данныеобзорimage compressionmedical datareviewstate of artИсследование выполнено в рамках государственного задания МГУ им. М. В. Ломоносова.The research was carried out within the framework of the state assignment of the Lomonosov Moscow State University.ReferencesКраюшкин Д. В., Чеповский А. М. Проблемы сопровождения медицинских информа­ционных систем // Инжиниринг предприятий и управление знаниями (ИП&УЗ-2024), М.: РЭУ им. Г. В. Плеханова. 2024. С. 172–177.Krayushkin D. V., Chepovskiy A. M. Problems of supporting medical information data sys­tems. Inzhiniring predpriyatiy i upravlenie znaniyami [Enterprise Engineering and Knowledge Management] Mosсow: Plekhanov Russian Academy of Economics, 2024, pp. 172–177.Mu L., Liu H. Noninvasive electrocardiographic imaging with low-rank and non-local total variation regularization // Pattern Recognition Letters, 2020, vol. 138, pp. 106–114. DOI 10.1016/j.patrec.2020.07.007Mu L., Liu H. Noninvasive electrocardiographic imaging with low-rank and non-local total vari­ation regularization. Pattern Recognition Letters, 2020, vol. 138, pp. 106–114. DOI 10.1016/j.patrec.2020.07.007Данилкина Ю. С., Крамм М. Н., Чыонг Т. Л. Н., Бодин А. Ю., Краюшкин Д. В. Много­канальная регистрация ЭКГ с поверхности женского торса и визуализация характеристик сердца // Научная визуализация. 2024. Т. 16, № 3. С. 97–105. DOI 10.26583/sv.16.3.10Danilkina Y. S., Kramm M. N., TTruong T. L. N., Bodin A. Y., Krayushkin D. V. Multichan­nel ECG ecording from the surface of the female torso and visualization of heart characteristics. Scientific Visualization, 2024, vol. 16(3), рр. 97–105, DOI: 10.26583/sv.16.3.10Gonzalez R. C., Woods R. E. Digital Image Processing. 4th ed. Pearson, 2018.Gonzalez R. C., Woods R. E. Digital Image Processing. 4th ed. Pearson, 2018.Amin M. S., Jabeen S., Wang C. et al. Improved Median Edge Detection (iMED) for Lossless Image Compression // Image Analysis and Stereology, 2023, vol. 42(1), pp. 25–35. DOI 10.5566/ias.2786Amin M. S., Jabeen S., Wang C. et al. Improved Median Edge Detection (iMED) for Lossless Image Compression. Image Analysis and Stereology, 2023, vol. 42(1), pp. 25–35. DOI 10.5566/ias.2786Егоров Н. Д., Новиков Д. В., Гильмутдинов М. Р. Метод сжатия изображений без потерь с помощью контекстного кодирования по двоичным уровням // Информационно-управля­ющие системы. 2017. Т. 6(91). С. 96–106. DOI: 10.15217/issn1684-8853.2017.6.96Egorov N. D., Novikov D. V., Gilmutdinov М. R. Lossless Image Compression using Binary Layers Scanning Data Encoding. Information and Control Systems. 2017, vol. 6(91), рр. 96–106. DOI: 10.15217/issn1684-8853.2017.6.96Сушко Д. В., Штарьков Ю. М. О сжатии томографических данных // Информационные процессы. 2008. Т. 8(4) C. 240–255.Sushko D.V., Shtar’kov Y.M. O szhatii tomograficheskikh dannykh [On tomography data com­pression]. Information Processes. 2008, vol. 8(4), рр. 240–255. (in Russ.)Стефанович А. И., Сушко Д. В. Обратимое сжатие данных посредством универсального арифметического кодирования // Информатика и ее применения. 2017. Т. 11(1). С. 20–45. DOI: 10.14357/19922264170103Stefanovich A. I., Sushko D. V. Reversible data compression by universal arithmetic coding. Informatics and Applications, 2017, vol. 11(1), pp. 20‒45. DOI10.14357/19922264170103Сушко Д. В. Алгоритмы сжатия данных массивов силовых кривых I: кодирова­ние ошибок предсказания // Информатика и ее применения, 2021, Т. 15(2). С. 82–88. DOI 10.14357/19922264210212Sushko D. V. Compression algorithms for force volume data I: Prediction errors coding. Infor­matics and Applications, 2021, vol. 15(2), pp. 82–88. DOI 10.14357/19922264210212Сушко Д. В. Алгоритмы сжатия данных массивов силовых кривых II: кодирование ком­понент вейвлет-преобразования // Информатика и ее применения. 2021. Т. 15(3). С. 16–23. DOI: 10.14357/19922264210303Sushko D. V. Сompression algorithms for force volume data ii: coding of wavelet transform compo­nents. Informatics and Applications, 2021, vol, 15(3), pp. 16–23. DOI: 10.14357/19922264210303Садик Б. Д. С., Цветков В. Ю., Бобов М. Н. Адаптивное комбинированное кодирование изображений с прогнозированием объема арифметического кода // Доклады БГУИР. 2021. Т. 19(2). С. 31–39. DOI 10.35596/1729-7648-2021-19-2-31-39Sadiq B. J., Tsviatkou V. Yu., Bobov М. N. Аdaptive combined image coding with prediction of arithmetic code volume. Doklady BGUIR, 2021, vol. 19(2), pp. 31–39. DOI 10.35596/1729-7648-2021-19-2-31-39Karimi N., Samavi S., Amraee S. et al. Use of symmetry in prediction-error field for lossless compression of 3D MRI images // Multimedia Tools and Applications, 2014, vol. 74. DOI 10.1007/s11042-014-2214-9Karimi N., Samavi S., Amraee S. et al. Use of symmetry in prediction-error field for loss­less compression of 3D MRI images. Multimedia Tools and Applications, 2014, vol. 74. DOI 10.1007/s11042-014-2214-9Bhalerao A., Wilson R. Warplets: an image-dependent wavelet representation // IEEE ICIP, 2005. DOI 10.1109/ICIP.2005.1530099Bhalerao A., Wilson R. Warplets: an image-dependent wavelet representation. IEEE ICIP, 2005. DOI: 10.1109/ICIP.2005.1530099Pathak K. C., Sarvaiya J. N. Lossless medical image compression using transform domain adaptive prediction for telemedicine // IEEE WiSPNET, 2017. DOI 10.1109/WiSPNET.2017.8299918Pathak K. C., Sarvaiya J. N. Lossless medical image compression using transform domain adap­tive prediction for telemedicine. IEEE WiSPNET, 2017. DOI: 10.1109/WiSPNET.2017.8299918Nagoor O. H., Whittle J., Deng J. et al. Sampling strategies for learning-based 3D medical image compression // Machine Learning with Applications, 2022, vol. 8, pp. 100273. DOI 10.1016/j.mlwa.2022.100273Nagoor O. H., Whittle J., Deng J. et al. Sampling strategies for learning-based 3D medical im­age compression. Machine Learning with Applications, 2022, vol. 8, pp. 100273. DOI 10.1016/j.mlwa.2022.100273Antonini M., Barlaud M., Mathieu P. et al. Image coding using wavelet transform // IEEE Transactions on Image Processing, 1992, vol. 1(2), pp. 205–220.Antonini M., Barlaud M., Mathieu P. et al. Image coding using wavelet transform. IEEE Transactions on Image Processing, 1992, vol. 1(2), pp. 205–220.Chaudhary A. K., Mehrotra R., Ansari M. A. et al. A Novel Scheme for Medical Image Compression Using Huffman and DCT Techniques // Advances in Smart Communication and Imaging Systems, 2021. DOI: 10.1007/978-981-15-9938-5_28Chaudhary A. K., Mehrotra R., Ansari M. A. et al. A Novel Scheme for Medical Image Com­pression Using Huffman and DCT Techniques. Advances in Smart Communication and Imaging Systems, 2021. DOI: 10.1007/978-981-15-9938-5_28Agrawal R., Singh K., Goyal A. Advances in Smart Communication and Imaging Systems // Lecture Notes in Electrical Engineering, 2021, vol. 721. DOI 10.1007/978-981-15-9938-5Agrawal R., Singh K., Goyal A. Advances in Smart Communication and Imaging Systems. Lec­ture Notes in Electrical Engineering, Springer, 2021, vol. 721. DOI 10.1007/978-981-15-9938-5Ammah P. N. T., Owusu E. Robust medical image compression based on wavelet transform and vector quantization // Informatics in Medicine Unlocked, 2019, vol. 15, pp. 100183. DOI 10.1016/j.imu.2019.100183Ammah P. N. T., Owusu E. Robust medical image compression based on wavelet trans­form and vector quantization. Informatics in Medicine Unlocked, 2019, vol. 15, pp. 100183. DOI 10.1016/j.imu.2019.100183Bairagi V. Lossless Medical Image Compression by Integer Wavelet and Predictive Coding // Biomedical Engineering, 2013. DOI 10.1155/2013/832527Bairagi V. Lossless Medical Image Compression by Integer Wavelet and Predictive Coding. Biomedical Engineering, 2013. DOI 10.1155/2013/832527Abo-Zahhad M., Gharieb R., Ahmed S., Abd-Ellah M. Huffman Image Compression Incorporating DPCM and DWT // Journal of Signal and Information Processing, 2015, vol. 6. pp. 123–135. DOI 10.4236/jsip.2015.62012.Abo-Zahhad M., Gharieb R., Ahmed S., Abd-Ellah M. Huffman Image Compression Incor­porating DPCM and DWT. Journal of Signal and Information Processing, 2015, vol. 6, pp. 123– 135. DOI 10.4236/jsip.2015.62012.Richter T., Bruylants T., Schelkens P. et al. The JPEG XT suite of standards: status and future plans // Proc. SPIE, 2015. DOI 10.1117/12.2189873Richter T., Bruylants T., Schelkens P. et al. The JPEG XT suite of standards: status and future plans. Proc. SPIE, 2015. DOI: 10.1117/12.2189873Li Z., Ramos A., Li Z. et al. An optimized JPEG-XT-based algorithm for the lossy and lossless compression of 16-bit depth medical image // Biomedical Signal Processing and Control, 2021, vol. 64. DOI 10.1016/j.bspc.2020.102306Li Z., Ramos A., Li Z. et al. An optimized JPEG-XT-based algorithm for the lossy and lossless compression of 16-bit depth medical image. Biomedical Signal Processing and Control, 2021. vol. 64. DOI 10.1016/j.bspc.2020.102306Karthikeyan T., Thirumoorthi C. A Hybrid Medical Image Compression Techniques for Lung Cancer // Indian Journal of Science and Technology, 2016, vol. 9(39), pp. 1–6. DOI 10.17485/ijst/2016/v9i39/91500Karthikeyan T., Thirumoorthi C. A Hybrid Medical Image Compression Techniques for Lung Cancer. Indian Journal of Science and Technology, 2016, vol. 9(39), pp. 1–6. DOI 10.17485/ijst/2016/v9i39/91500Илюшин С. В. Разработка алгоритмов быстрого фрактального сжатия цифровых изобра­жений: дис. … канд. техн. наук, М., 2012.Ilyushin S. V. Development of algorithms for fast fractal compression of digital images: dis. ... Candidate of Technical Sciences, Moscow, 2012.Bhavani S., Thanushkodi K. G. Comparison of fractal coding methods for medical image compression // IET Image Process, 2013, vol. 7(7), pp. 686–693. DOI 10.1049/iet-ipr.2012.0041Bhavani S., Thanushkodi K. G. Comparison of fractal coding methods for medical image com­pression. IET Image Process, 2013, vol. 7(7), pp. 686–693. DOI 10.1049/iet-ipr.2012.0041Liu S., Bai W., Zeng N. et al. A fast fractal based compression for MRI images // IEEE Access, 2019, vol. 7 pp. 62412–62420. DOI 10.1109/ACCESS.2019.2916934Liu S., Bai W., Zeng N. et al. A fast fractal based compression for MRI images. IEEE Access, 2019, vol. 7 pp. 62412–62420. DOI 10.1109/ACCESS.2019.2916934Srimal A., Peters J. F., Ramanna S. et al. Quaternionic views of rs-fMRI hierarchical brain activation regions // Chaos, Solitons & Fractals, 2021, vol. 152, pp. 111351. DOI 10.1016/j.chaos.2021.111351Srimal A., Peters J. F., Ramanna S. et al. Quaternionic views of rs-fMRI hierarchical brain activation regions. Chaos, Solitons & Fractals, 2021, vol. 152, pp. 111351. DOI 10.1016/j.cha­os.2021.111351Miras J. R., Posadas M. A., Ibañez-Molina A. J. et al. Fast Computation of Fractal Dimension for 2D, 3D and 4D Data // Journal of Computational Science, 2023, vol. 66, pp. 101908. DOI 10.1016/j.jocs.2022.101908Miras J. R., Posadas M. A., Ibañez-Molina A.J . et al. Fast Computation of Fractal Dimen­sion for 2D, 3D and 4D Data. Journal of Computational Science, 2023, vol. 66, pp. 101908. DOI 10.1016/j.jocs.2022.101908Li S., Lu J., Hu Y. et al. Towards scalable medical image compression using hybrid model analysis // Journal of Big Data, 2025, vol. 12. DOI: 10.1186/s40537-025-01073-1Li S., Lu J., Hu Y. et al. Towards scalable medical image compression using hybrid model analysis. Journal of Big Data, 2025, vol. 12. DOI: 10.1186/s40537-025-01073-1Гильмутдинов М. Р., Веселов А. И. Способ устранения межкадровой избыточности при сжатии медицинских 3D-изображений // сб. докладов 18-й Междунар. конф. «Цифровая обработка сигналов и ее применение – DSPA-2016». С. 832–838.Gilmutdinov M. R., Veselov A. I. A way to eliminate inter-frame redundancy when compressing 3D medical images. Collection of reports of the 18th International conference “Digital Signal processing and its application – DSPA-2016”. pp. 832-838.Vamsikrishna M., Sudhakar O., Bugge B.P. et al. Region based lossless compression for digital images using entropy coding // Indonesian Journal of Electrical Engineering and Computer Science. 2025, vol. 38(3), pp. 1870–1879. DOI 10.11591/ijeecs.v38.i3Vamsikrishna M., Sudhakar O., Bugge B. P. et al. Region based lossless compression for dig­ital images using entropy coding. Indonesian Journal of Electrical Engineering and Computer Science. 2025, vol. 38(3), pp. 1870–1879. DOI: 10.11591/ijeecs.v38.i3Kim K., Pak M., Ri Y.-W. et al. An image compression method for improving noise robustness of ultrasonic medical image compression in wavelet domain // Multimedia Tools and Applications, 2025. DOI 10.1007/s11042-025-20943-7Kim K., Pak M., Ri Y.-W. et al. An image compression method for improving noise robustness of ultrasonic medical image compression in wavelet domain. Multimedia Tools and Applications, 2025. DOI: 10.1007/s11042-025-20943-7Anusuya V., Stency V., Srividhya G. et al. Performance Comparison of Wavelet Transforms based Medical Image Compression // Journal of Cybersecurity and Information Management, 2025, vol. 16, pp. 1–12. DOI 10.54216/JCIM.160201Anusuya V., Stency V., Srividhya G. et al. Performance Comparison of Wavelet Transforms based Medical Image Compression. Journal of Cybersecurity and Information Management, 2025, vol. 16, pp. 1–12. DOI 10.54216/JCIM.160201Mofreh A., Barakat T. M., Refaat A. M. A New Lossless Medical Image Compression Technique using Hybrid Prediction Model // SPIJ, 2016, vol. 10(3).Mofreh A., Barakat T. M., Refaat A. M. A New Lossless Medical Image Compression Tech­nique using Hybrid Prediction Model. SPIJ, 2016, vol. 10(3).Reddy M. R., Ravichandran K. S. et al. Improved pharma education system in the field of medical images using compression techniques // Cluster Computing, 2019, vol. 22(2). DOI 10.1007/s10586-018-2496-1Reddy M. R., Ravichandran K. S. et al. Improved pharma education system in the field of med­ical images using compression techniques. Cluster Computing, 2019, vol. 22(2). DOI 10.1007/s10586-018-2496-1Pandey A., Yadav P., Chaudhary J. et al. Compression of 99mTc Methylene Diphosphonate Bone Scan Images using Discrete Cosine Transformation // Indian Journal of Nuclear Medicine, 2022, vol. 37(4), pp. 337. DOI 10.4103/ijnm.ijnm_45Pandey A., Yadav P., Chaudhary J. et al. Compression of 99mTc Methylene Diphosphonate Bone Scan Images using Discrete Cosine Transformation. Indian Journal of Nuclear Medicine, 2022, vol. 37(4), pp. 337. DOI 10.4103/ijnm.ijnm_45Кашин В. С., Темляков В. Н. Замечание о задаче сжатого измерения // Математические заметки. 2007. Т. 82, № 6. С. 829–837.Kashin B. S., Temlyakov V. N. A remark on Compressed Sensing. Mathematical Notes, 2007, vol. 82, pp. 748–755. DOI 10.1134/S0001434607110193Kosov E., Temlyakov V. Sampling discretization of the uniform norm and applications // Journal of Mathematical Analysis and Applications, 2024, vol. 538(2), pp. 128431. DOI 10.1016/j.jmaa.2024.128431Kosov E., Temlyakov V. Sampling discretization of the uniform norm and applications. Jour­nal of Mathematical Analysis and Applications, 2024, vol. 538(2), pp. 128431. DOI 10.1016/j.jmaa.2024.128431.Гаврилов А. В., Куликов И. В., Краюшкин Д. В. Программа графического пользователь­ского интерфейса для сопровождения информационной системы PACS/RIS. Свидетель­ство о гос. регистрации программы для ЭВМ № 2025615636, 2025.Gavrilov A. V., Kulikov I. V., Krayushkin D. V. Programma graficheskogo polzovatel’skogo interfeysa dlya soprovozhdeniya informatsionnoy sistemy PACS/RIS [A GUI Tool for PACS/ RIS Information System Support]. The Certificate on Official Registration of the Computer Pro­gram in Russia. No. 2025615636. 2025. (In Russ.)Гаврилов А. В., Краюшкин Д. В., Куликов И. В., Соломинов M. В., Чеповский А. М. Современные подходы к сопровождению медицинских информационных систем при внедрении новых технологий // Вопросы кибербезопасности. 2025. Т. 2(66). С. 41–51. DOI 10.21681/2311-3456-2025-2-41-51Gavrilov A. V., Krayshkin D. V., Kulikov I. V., Solominov M. V., Chepovsky A. M. Modern approaches to supporting and improving medical information systems. Voprosy kiberbezopasno­sti, 2025, vol. 2(66), pp. 41–51. DOI 10.21681/2311-3456-2025-2-41-51Гаврилов А. В., Долотова Д. Д., Парусников А. В., Благосклонова Е. Р., Соломино­ва Т. А., Акимова Е. А., Краюшкин Д. В. Программа комплексного анализа DICOM-изо­бражений компьютерной томографии головного мозга при острых нарушениях мозгового кровообращения «Multivox AI Stroke». Свидетельство о гос. регистрации программы для ЭВМ № 2024690602, 2024.Gavrilov A. V., Dolotova D. D., Parusnikov A. V., Blagosklonova E. R., Solominova T. A., Akimova E. A., Krayushkin D. V. Programma kompleksnogo analiza DICOM-izobrazheniy komp’yuternoy tomografii golovnogo mozga pri ostrykh narusheniyakh mozgovogo kro­voobrashcheniya «Multivox AI Stroke» [A Software for Comprehensive Analysis of DICOM Images from Brain Computed Tomography in Acute Cerebral Circulation Disorders «Multi­vox AI Stroke»]. The Certificate on Official Registration of the Computer Program in Russia. No. 2024690602. 2024. (In Russ.)Сандриков В. А., Кулагина Т. Ю., Гаврилов А. В., Благосклонова Е. Р., Соломи­нов М. А., Краюшкин Д. В. Программа регистрации, визуализации, обработки и архиви­рования ультразвуковых исследований движения стенок аорты методом спекл-трекинга. Свидетельство о гос. регистрации программы для ЭВМ № 2025668216, 2025.Sandrikov V. A., Kulagina T. Y., Gavrilov A. V., Blagosklonova E. R., Solominov M. A., Krayushkin D. V. Programma registracii, vizualizacii, obrabotki i arhivirovaniya ul’trazvu­kovyh issledovanij dvizheniya stenok aorty metodom spekl-trekinga [A Software for acquisition, visualization, processing, and archiving of ultrasound-based aortic wall motion studies using speckle tracking]. The Certificate on Official Registration of the Computer Program in Russia. No. 2025668216. 2025. (In Russ.)

The authors declare that there are no conflicts of interest present.