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

In de moderne wereld van de gezondheidszorg is het vermogen om een patiënt duidelijk te zien vanaf kilometers afstand vaak een kwestie van leven of dood. Dit is de belofte van telemedicijn, een systeem dat artsen in staat stelt om individuen te diagnosticeren en te behandelen zonder dat zij ooit hun huis hoeven te verlaten. Deze visuele verbinding rust echter volledig op het internet, en voor veel mensen in afgelegen gebieden of tijdens wereldwijde gezondheidscrises is die verbinding fragiel. Videostreams vereisen een aanzienlijke hoeveelheid data om soepel te verlopen. Wanneer de internetverbinding traag of instabiel is, bevriest de video, blokkelt het beeld (pixelatie) of valt het geheel weg, waardoor de arts niet in staat is de conditie van de patiënt te zien. Om dit op te lossen, gebruiken ingenieurs videocompressie, een proces waarbij videobestanden worden verkleind door onnodige informatie te verwijzen. De uitdaging is altijd geweest een afweging: comprimeer een video te veel om ruimte te besparen, en het beeld wordt te wazig om nuttig te zijn voor een medische diagnose. Het doel is om het beeld scherp te houden waar dat het meest belangrijk is, terwijl de rest van het beeld kleiner wordt gemaakt; een balans waar standaard videotechnologie moeite mee heeft gehad om dit efficiënt te bereiken.

Een team onderzoekers van universiteiten uit Pakistan, Maleisië en Taiwan heeft een nieuwe methode ontwikkend om deze balans in het voordeel van de arts en de patiënt te kantelen. Ze richtten zich op een specifiek type videocodering bekend als HEVC, wat de huidige standaard is voor hoogwaardige videotransmissie. Hoewel deze standaard al behoorlijk goed is in het verkleinen van videobestanden, behandelt het elk deel van het scherm op dezelfde manier. Het weet niet dat het gezicht van een arts of een wond van een patiënt belangrijker is dan de muur erachter. De onderzoekers hebben dit systeem aangepast om het "slim" te maken over waar het naar kijkt. Ze bouwden een computerprogramma dat de mensen in de video – de patiënt, de arts en eventueel medisch personeel – direct kan identificeren en van de achtergrond kan scheiden. Zodra het systeem weet wie wie is, behandelt het de mensen met extreme zorg door hun beeld in hoge definitie te behouden, terwijl het de achtergrond bewust vervaagt en vereenvoudigt. Dit zorgt ervoor dat het videobestand veel kleiner wordt zonder de klinische details te verliezen die een arts nodig heeft om te zien.

De kern van dit werk ligt in een techniek genaamd semantische segmentatie, wat in essentie een manier is voor een computer om de betekenis van een afbeelding te begrijpen in plaats van alleen de kleuren. De onderzoekers trainden een deep learning-netwerk, een type kunstmatige intelligentie, om menselijke vormen te herkennen in verschillende posities, of iemand nu staat, zit of ligt. Dit netwerk fungeert als een filter dat elk frame van de video scant en een onzichtbare kaart rond de mensen tekent. Deze kaart vertelt de video-encoder precies waar de "region of interest" (het gebied van belang) zich bevindt. De encoder past vervolgens een speciale regel toe: hij gebruikt een instelling van hoge kwaliteit voor de mensen binnen die kaart en een instelling van lage kwaliteit voor alles daarbuiten. Door de helderheid van de muur, de vloer of de meubels op te offeren, maakt het systeem genoeg dataruimte vrij om de menselijke onderwerpen kristalhelder te houden, zelfs op een zeer trage internetverbinding.

Om te testen of deze aanpak daadwerkelijk werkt, voerde het team uitgebreide simulaties uit met videosequenties die echte telemedicijnscenario's nabootsten. Ze vergeleken hun nieuwe methode met het standaard, ongewijzigde videosysteem. De resultaten waren opmerkelijk. In een test met een patiënt had het standaard systeem een datasnelheid van 2.929,3 kilobits per seconde nodig om de video te verzenden. Hun nieuwe methode slaagde erin om dezelfde video met de patiënt duidelijk zichtbaar te verzenden met slechts 735,2 kilobits per second. Dit vertegenwoordigt een enorme reductie in de hoeveelheid data die nodig is, waardoor de video effectief kan stromen over verbindingen die voorheen te zwak waren om het te ondersteunen. Toen ze het systeem testten met een arts, was het verschil nog prominenter, waarbij de benodigde datasnelheid daalde van meer dan 8.000 kilobits per seconde naar ongeveer 2.757 kilobits per second.

De onderzoekers maten ook de kwaliteit van de beelden met behulp van een standaardmetriek die de originele video vergelijkt met de gecomprimeerde versie. Ze ontdekten dat hoewel de achtergrond opzettelijk wazig werd, de kwaliteit van de mensen in de video uitzonderlijk hoog bleef. In één specifieke test behaalde hun methode een kwaliteitsscore van 49,77 bij een databereik van 2.552 kilobits per seconde. Het standaard systeem, dat probeerde het hele beeld scherp te houden, had een veel hogere databereik van 5.939 kilobits per seconde nodig om een iets lagere kwaliteitsscore van 49,61 te bereiken. Dit bewijst dat de nieuwe methode een duidelijker beeld van de patiënt kan leveren met minder dan de helft van de data van de traditionele aanpak. Het systeem werd ook getest tegen andere bestaande methoden die probeerden soortgelijke problemen op te lossen, en het presteerde consequent beter in zowel snelheid als beeldkwaliteit.

Dit werk suggereert een praktisch pad vooruit voor gezondheidszorgsystemen die opereren in moeilijke omgevingen. De onderzoekers hebben aangetoond dat door alleen te focussen op wat medisch relevant is, het mogelijk is om een hoogwaardige visuele link te behouden, zelfs wanneer het internet slecht is. Het systeem is ontworpen om flexibel te zijn, in staat om zowel één-op-één consulten te verwerken als een enkele patiënt te verbinden met een panel van meerdere artsen. Hoewel de huidige tests werden uitgevoerd met specifieke videodatasets en simulaties, wijzen de resultaten erop dat deze aanpak de kosten en complexiteit van telemedicijn aanzienlijk kan verminderen. Door ervoor te zorgen dat de video niet bevriest of verslechtert wanneer de verbinding zwak is, kan deze technologie artsen helpen patiënten te bereiken die momenteel door afstand of infrastructuur beperkt zijn in hun toegang tot zorg. De studie concludeert dat deze intelligente manier van videocompressie een levensvatbare oplossing is voor de toekomst van de verre medische zorg, waarbij wordt gewaarborgd dat het belangrijkste deel van het scherm – de mens – helder en zichtbaar blijft.