⚡ electrical engineering

Region of Interest-Based HEVC Video Transmission for Telemedicine in Healthcare

Este artículo propone una modificación de HEVC basada en Regiones de Interés para la telemedicina que utiliza la segmentación de imágenes y el desenfoque de fondo para reducir significativamente la tasa de bits de video manteniendo una alta calidad, permitiendo así una transmisión de datos eficiente e ininterrumpida a través de un ancho de banda limitado.

Autores originales: Zain Ul Abideen, Asma Zahra, Ata Ullah, N. Z. Jhanjhi, Raja Majid Mehmood

Publicado 2026-09-17

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Zain Ul Abideen, Asma Zahra, Ata Ullah, N. Z. Jhanjhi, Raja Majid Mehmood

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el mundo moderno de la atención médica, la capacidad de ver a un paciente con claridad desde kilómetros de distancia es, a menudo, una cuestión de vida o muerte. Esta es la promesa de la telemedicina, un sistema que permite a los médicos diagnosticar y tratar a individuos sin que estos tengan que salir de sus hogares. Sin embargo, esta conexión visual depende enteramente de internet y, para muchas personas en áreas remotas o durante crisis sanitarias mundiales, esa conexión es frágil. Las transmisiones de video requieren una cantidad significativa de datos para viajar con fluidez. Cuando la conexión a internet es lenta o inestable, el video se congela, se pixela o se corta por completo, dejando al médico incapaz de ver la condición del paciente. Para resolver esto, los ingenieros utilizan la compresión de video, un proceso que reduce el tamaño de los archivos de video eliminando información innecesaria. El desafío siempre ha sido un compromiso: comprimir demasiado un video para ahorrar espacio y la imagen se vuelve demasiado borrosa para ser útil para el diagnóstico médico. El objetivo es mantener la imagen nítida donde más importa mientras se hace el resto de la imagen más pequeña, un equilibrio que la tecnología de video estándar ha luchado por lograr de manera eficiente.

Un equipo de investigadores de universidades de Pakistán, Malasia y Taiwán ha desarrollado un nuevo método para inclinar este equilibrio a favor del médico y el paciente. Se centraron en un tipo específico de codificación de video conocido como HEVC, que es el estándar actual para la transmisión de video de alta calidad. Si bien este estándar ya es bastante bueno para reducir el tamaño de los archivos de video, trata cada parte de la pantalla de la misma manera. No sabe que el rostro de un médico o la herida de un paciente es más importante que la pared que hay detrás. Los investigadores modificaron este sistema para hacerlo "inteligente" sobre lo que está mirando. Construyeron un programa informático que puede identificar instantáneamente a las personas en el video —el paciente, el médico y cualquier personal médico— y separarlos del fondo. Una vez que el sistema sabe quién es quién, trata a las personas con extremo cuidado, preservando su imagen en alta definición, mientras que deliberadamente desenfoca y simplifica el fondo. Esto permite que el archivo de video sea mucho más pequeño sin perder los detalles clínicos que un médico necesita ver.

El núcleo de este trabajo reside en una técnica llamada segmentación semántica, que es esencialmente una forma para que una computadora entienda el significado de una imagen en lugar de solo sus colores. Los investigadores entrenaron una red de aprendizaje profundo, un tipo de inteligencia artificial, para reconocer formas humanas en diversas posiciones, ya sea que una persona esté de pie, sentada o acostada. Esta red actúa como un filtro que escanea cada fotograma del video y dibuja un mapa invisible alrededor de las personas. Este mapa le dice al codificador de video exactamente dónde está la "región de interés". El codificador aplica entonces una regla especial: utiliza una configuración de alta calidad para las personas dentro de ese mapa y una configuración de baja calidad para todo lo que está fuera de él. Al sacrificar la claridad de la pared, el suelo o los muebles, el sistema libera suficiente espacio de datos para mantener a los sujetos humanos cristalinos, incluso en una conexión a internet muy lenta.

Para probar si este enfoque realmente funciona, el equipo realizó simulaciones extensas utilizando secuencias de video que imitaban escenarios reales de telemedicina. Compararon su nuevo método contra el sistema de video estándar y no modificado. Los resultados fueron impactantes. En una prueba que involucraba a un paciente, el sistema estándar requería una velocidad de datos de 2,929.3 kilobits por segundo para transmitir el video. Su nuevo método logró enviar el mismo video con el paciente claramente visible usando solo 735.2 kilobits por segundo. Esto representa una reducción masiva en la cantidad de datos necesarios, permitiendo efectivamente que el video fluya sobre conexiones que anteriormente eran demasiado débiles para soportarlo. Cuando probaron el sistema con un médico, la diferencia fue aún más pronunciada, cayendo la velocidad de datos requerida de más de 8,000 kilobits por segundo a aproximadamente 2,757 kilobits por segundo.

Los investigadores también midieron la calidad de las imágenes utilizando una métrica estándar que compara el video original con la versión comprimida. Encontraron que, si bien el fondo se volvió intencionalmente borroso, la calidad de las personas en el video se mantuvo excepcionalmente alta. En una prueba específica, su método logró una puntuación de calidad de 49.77 mientras utilizaba una tasa de datos de 2,552 kilobits por segundo. El sistema estándar, intentando mantener toda la imagen nítida, necesitaba una tasa de datos mucho mayor de 5,939 kilobits por segundo para alcanzar una puntuación de calidad ligeramente inferior de 49.61. Esto demuestra que el nuevo método puede entregar una imagen más clara del paciente utilizando menos de la mitad de los datos del enfoque tradicional. El sistema también fue probado contra otros métodos existentes que intentaban resolver problemas similares, y superó consistentemente a estos tanto en velocidad como en calidad de imagen.

Este trabajo sugiere un camino práctico hacia adelante para los sistemas de salud que operan en entornos difíciles. Los investigadores demostraron que, al enfocarse solo en lo que es médicamente relevante, es posible mantener un vínculo visual de alta calidad incluso cuando el internet es deficiente. El sistema está diseñado para ser flexible, capaz de manejar consultas uno a uno o incluso conectar a un solo paciente con un panel de múltiples médicos. Si bien las pruebas actuales se realizaron utilizando conjuntos de datos de video y simulaciones específicas, los resultados indican que este enfoque podría reducir significamente el costo y la complejidad de la telemedicina. Al asegurar que el video no se congele o se degrade cuando la conexión es débil, esta tecnología podría ayudar a los médicos a llegar a pacientes que actualmente están aislados de la atención debido a la distancia o la infraestructura. El estudio concluye que esta forma inteligente de comprimir video es una solución viable para el futuro de la atención médica remota, asegurando que la parte más importante de la pantalla —el ser humano— permanezca claro y visible.

Resumen Técnico: Transmisión de Vídeo HEVC Basada en la Región de Interés para Telemedicina en el Sector Salud

Planteamiento del Problema
La telemedicina es fundamental para la atención remota de pacientes, particularmente durante pandemias y para pacientes con limitaciones de movilidad; sin embargo, enfrenta desafíos significativos relacionados con las limitaciones de ancho de banda y la calidad de la transmisión de vídeo. Las técnicas de compresión de vídeo estándar suelen reducir las tasas de bits a expensas de la calidad visual general, lo que puede degradar la claridad de objetos salientes como pacientes, médicos y personal médico. Por el contrario, mantener un vídeo de alta resolución en todo el fotograma consume un ancho de banda excesivo, lo que dificulta la transmisión en tiempo real sobre redes de bajo ancho de banda o inestables. Los métodos de codificación de Región de Interés (RoI) existentes a menudo luchan por equilibrar las bajas tasas de bits con una alta calidad visual para RoIs dinámicas, o dependen de modelos computacionalmente costosos y hardware específico (por ejemplo, cámaras Kinect) que limitan la escalabilidad. El problema central abordado es la necesidad de una solución de codificación que priorice el valor clínico del vídeo (la RoI) mientras comprime agresivamente el fondo para permitir una transmisión ininterrumpida sobre un ancho de banda limitado.

Metodología
La solución propuesta modifica el estándar de Codificación de Vídeo de Alta Eficiencia (HEVC/H.265) para implementar un esquema de codificación de RoI basado en segmentación dinámica. La metodología consta de tres componentes principales:

Extracción de RoI Basada en Aprendizaje Profundo:
El sistema utiliza una red de segmentación semántica basada en aprendizaje profundo superficial, entrenada con el conjunto de datos de referencia de peatones Penn-Fudan. Esta red está diseñada para ser computacionalmente eficiente en escenarios de telemedicina, extrayendo las RoIs (pacientes, médicos y personal paramédico) en diversas posturas (de pie, sentado, caminando, etc.). La arquitectura de la red emplea capas de convolución con tamaños de filtro de 5x5 y cantidades variables de filtros (64, 128, 256), seguidas de capas de normalización y max-pooling. La salida es un mapa semántico que identifica a los sujetos en primer plano.
Generación de Mapa de Saliencia y Asignación de QP:
Una vez extraídas las RoIs, el sistema genera un Mapa de Saliencia (SM) utilizando un algoritmo de transformación de distancia (Algoritmo 1). Este proceso implica comprobaciones hacia adelante y hacia atrás en el fotograma para calcular los valores mínimos entre las posiciones de los píxeles, utilizando pesos diagonales para crear una transición suave entre la RoI y el fondo. Este SM se utiliza para guiar la asignación del Parámetro de Cuantización (QP).

Mecanismo de Control de Tasa: El sistema asigna valores de QP más bajos (mayor calidad) a la RoI y valores de QP más altos (menor calidad, más compresión) al fondo. La relación se define por $QP = QP_{non-RoI} - QP_{RoI}$ .
Ajuste Dinámico: En escenarios de bajo ancho de banda, el QP del fondo se establece en el máximo (51) para maximizar la eficiencia de codificación, ya que un QP de 51 resulta en una menor calidad visual. Si la transmisión sigue sin ser posible bajo estas restricciones, el esquema comenzará a degradar la calidad visual de la RoI, independientemente de los ajustes de compensación de cuantización.

Codificación HEVC Modificada:
El modelo de prueba estándar HEVC (HM 16) se modifica para aceptar el mapa de QP generado. En lugar de aplicar un QP uniforme a todo el fotograma, el codificador aplica valores de QP inteligentes basados en la segmentación de la RoI. Las regiones del fondo se difuminan o distorsionan para reducir el tamaño de los datos, mientras que las RoIs mantienen una alta fidelidad visual. El flujo codificado se procesa mediante la Codificación Aritmética Binaria Adaptativa al Contexto (CABAC) para su transmisión final.

Contribuciones Clave
El artículo describe cuatro contribuciones principales:

Una revisión exhaustiva de la literatura que explora las técnicas existentes de extracción y codificación de RoI, identificando brechas en el equilibrio entre la tasa de bits y la calidad visual para escenarios médicos dinámicos.
La introducción de un método de extracción de RoI basado en segmentación capaz de identificar semánticamente múltiples posturas humanas (pacientes y personal) para el monitoreo remoto.
Una mejora del flujo de capas para una mejor extracción de RoI, incluyendo el desarrollo de un algoritmo específico de generación de mapas de saliencia.
Una técnica de transmisión de vídeo eficiente y controlada por la tasa que gestiona el ancho de banda limitado priorizando la calidad de la RoI, validada específicamente para aplicaciones de telemedicina.

Resultados Experimentales
El sistema fue validado utilizando el modelo de prueba HM 16 con secuencias de vídeo anonimizadas que representan diversos escenarios clínicos (paciente, médico, personal paramédico y entornos concurridos). Los resultados se compararon contra el HEVC por defecto y un esquema previo basado en RoI (CPVT).

Reducción de la Tasa de Bits: El esquema propuesto demostró ahorros significativos en la tasa de bits. Para una configuración de alta calidad (QP 20), el HEVC por defecto requería 2,929.3 kbps para el vídeo del paciente, mientras que el esquema propuesto lo redujo a 735.2 kbps. Se observaron reducciones similares para el vídeo del médico (8,140.6 kbps frente a 2,757.8 kbps). La reducción de la tasa de bits Bjontegaard-delta (BDBR) se calculó en un 74.92% para configuraciones de alta calidad.
Calidad Visual (PSNR): El valor promedio de PSNR para todo el fotograma revela que el HEVC por defecto tiene un valor superior al método propuesto, ya que el método propuesto se enfoca en mantener la Región de Interés (RoI) mientras mantiene la tasa de bits baja mediante la asignación de valores de QP más altos a las regiones del fondo. Sin embargo, el PSNR específicamente para la RoI fue superior. A una tasa de bits de 2,552.19 kbps, el esquema propuesto logró un PSNR de la RoI de 49.77 dB, comparado con los 49.61 dB del HEV por defecto con una tasa de bits mucho mayor de 5,939.27 kbps.
Comparación con Contrapartes: El método propuesto superó tanto al HEVC por defecto como al esquema CPVT (que depende de H.264 y cámaras Kinect) en términos de eficiencia de tasa de bits y ganancia de PSNR para las RoIs a través de configuraciones de alta, media y baja calidad.

Significancia y Reivindicaciones
Los autores afirman que el sistema propuesto aborda eficazmente la compensación entre las restricciones de ancho de banda y la calidad del vídeo clínico. Al aprovechar el aprendizaje profundo para la segmentación semántica y modificar el estándar HEVC para aplicar una cuantización diferencial, el sistema permite la transmisión de alta calidad de interacciones médicas críticas (consultas paciente-médico) sobre redes de bajo ancho de banda. La significancia radica en su capacidad para apoyar la atención médica remota para poblaciones vulnerables, incluyendo aquellas en áreas remotas o durante pandemias, sin requerir hardware especializado. Los autores señalan que el esquema es escalable para aplicaciones del Internet de las Cosas Médicas (IoMT).

No obstante, el artículo mantiene la modestia respecto a sus limitaciones. La evaluación está actualmente restringida a conjuntos de datos específicos de vídeos de siluetas humanas. Los autores reconocen que se requiere una mayor autenticación para asegurar que el esquema se adapte dinámicamente a diversas modalidades médicas con distintos grados de movimiento. Se propone como trabajo futuro extender el sistema para detectar áreas concurridas para el distanciamiento social e integrarlo más profundamente en las aplicaciones de IoT.

Más como este