Computer aided intervention and diagnostics in clinical and medical images j. dinesh peter - The lat

Page 1


Visit to download the full and correct content document: https://textbookfull.com/product/computer-aided-intervention-and-diagnostics-in-clinic al-and-medical-images-j-dinesh-peter/

More products digital (pdf, epub, mobi) instant download maybe you interests ...

Medical Imaging and Computer Aided Diagnosis Proceeding of 2020 International Conference on Medical Imaging and Computer Aided Diagnosis MICAD 2020 Ruidan Su

https://textbookfull.com/product/medical-imaging-and-computeraided-diagnosis-proceeding-of-2020-international-conference-onmedical-imaging-and-computer-aided-diagnosis-micad-2020-ruidansu/

Advances in Big Data and Cloud Computing Proceedings of ICBDCC18 J. Dinesh Peter

https://textbookfull.com/product/advances-in-big-data-and-cloudcomputing-proceedings-of-icbdcc18-j-dinesh-peter/

Medical Image Analysis and Informatics: Computer-Aided Diagnosis and Therapy 1st Edition Paulo Mazzoncini De Azevedo-Marques

https://textbookfull.com/product/medical-image-analysis-andinformatics-computer-aided-diagnosis-and-therapy-1st-editionpaulo-mazzoncini-de-azevedo-marques/

Biointerface Engineering: Prospects in Medical Diagnostics and Drug Delivery Pranjal Chandra

https://textbookfull.com/product/biointerface-engineeringprospects-in-medical-diagnostics-and-drug-delivery-pranjalchandra/

Computer-Aided Tissue Engineering: Methods and Protocols Alberto Rainer

https://textbookfull.com/product/computer-aided-tissueengineering-methods-and-protocols-alberto-rainer/

Molecular Diagnostics Fundamentals Methods and Clinical Applications Lela Buckingham

https://textbookfull.com/product/molecular-diagnosticsfundamentals-methods-and-clinical-applications-lela-buckingham/

Smartphone Based Medical Diagnostics Jeong-Yeol Yoon

https://textbookfull.com/product/smartphone-based-medicaldiagnostics-jeong-yeol-yoon/

Practical Clinical Electrophysiology 2e Second Edition Peter J Zimetbaum

https://textbookfull.com/product/practical-clinicalelectrophysiology-2e-second-edition-peter-j-zimetbaum/

Information technology in medical diagnostics II : proceedings of the International Scientific Internet Conference "Computer Graphics and Image Processing" and the XLVIIIth International scientific and Practical Conference "Application of Lasers in Medici Kalimoldayev

https://textbookfull.com/product/information-technology-inmedical-diagnostics-ii-proceedings-of-the-internationalscientific-internet-conference-computer-graphics-and-imageprocessing-and-the-xlviiith-international-scientific-an/

J. Dinesh Peter

Steven Lawrence Fernandes

Carlos Eduardo Thomaz

Serestina Viriri    Editors

Computer Aided Intervention and Diagnostics in Clinical and Medical Images

LectureNotesinComputationalVision andBiomechanics

Volume31

Serieseditors

JoãoManuelR.S.Tavares,Porto,Portugal

RenatoNatalJorge,Porto,Portugal

EditorialAdvisoryBoard

AlejandroFrangi,Sheffield,UK

ChandrajitBajaj,Austin,USA

EugenioOñate,Barcelona,Spain

FranciscoPerales,PalmadeMallorca,Spain

G.A.Holzapfel,GrazUniversityofTechnology,Austria

J.PauloVilas-Boas,Porto,Portugal

JeffreyA.Weiss,SaltLakeCity,USA

JohnMiddleton,Cardiff,UK

JoseM.GarcíaAznar,Zaragoza,Spain

PerumalNithiarasu,Swansea,UK

KumarK.Tamma,Minneapolis,USA

LaurentCohen,Paris,France

ManuelDoblaré,Zaragoza,Spain

PatrickJ.Prendergast,Dublin,Ireland

RainaldLöhner,Fairfax,USA

RogerKamm,Cambridge,USA

ShuoLi,London,Canada

ThomasJ.R.Hughes,Austin,USA

YongjieZhang,Pittsburgh,USA

Theresearchrelatedtotheanalysisoflivingstructures(Biomechanics)hasbeenasourceof recentresearchinseveraldistinctareasofscience,forexample,Mathematics,Mechanical Engineering,Physics,Informatics,MedicineandSport.However,foritssuccessful achievement,numerousresearchtopicsshouldbeconsidered,suchasimageprocessing andanalysis,geometricandnumericalmodelling,biomechanics,experimentalanalysis, mechanobiologyandenhancedvisualization,andtheirapplicationtorealcasesmustbe developedandmoreinvestigationisneeded.Additionally,enhancedhardwaresolutionsand lessinvasivedevicesaredemanded.

Ontheotherhand,ImageAnalysis(ComputationalVision)isusedfortheextractionof highlevelinformationfromstaticimagesordynamicimagesequences.Examplesof applicationsinvolvingimageanalysiscanbethestudyofmotionofstructuresfromimage sequences,shapereconstructionfromimages,andmedicaldiagnosis.Asamultidisciplinary area,ComputationalVisionconsiderstechniquesandmethodsfromotherdisciplines,suchas ArtificialIntelligence,SignalProcessing,Mathematics,PhysicsandInformatics.Despitethe manyresearchprojectsinthisarea,morerobustandefficientmethodsofComputational ImagingarestilldemandedinmanyapplicationdomainsinMedicine,andtheirvalidationin realscenariosismatterofurgency.

ThesetwoimportantandpredominantbranchesofScienceareincreasinglyconsideredtobe stronglyconnectedandrelated.Hence,themaingoaloftheLNCV&Bbookseriesconsists oftheprovisionofacomprehensiveforumfordiscussiononthecurrentstate-of-the-artinthese fieldsbyemphasizingtheirconnection.Thebookseriescovers(butisnotlimitedto):

• ApplicationsofComputationalVisionand Biomechanics

• BiometricsandBiomedicalPatternAnalysis

• CellularImagingandCellularMechanics

• ClinicalBiomechanics

• ComputationalBioimagingandVisualization

• ComputationalBiologyinBiomedicalImaging

• DevelopmentofBiomechanicalDevices

• DeviceandTechniqueDevelopmentfor BiomedicalImaging

• DigitalGeometryAlgorithmsforComputationalVisionandVisualization

• ExperimentalBiomechanics

• Gait&PostureMechanics

• MultiscaleAnalysisinBiomechanics

• NeuromuscularBiomechanics

• NumericalMethodsforLivingTissues

• NumericalSimulation

• SoftwareDevelopmentonComputational VisionandBiomechanics

• GridandHighPerformanceComputingfor ComputationalVisionandBiomechanics

• Image-basedGeometricModelingandMesh Generation

• ImageProcessingandAnalysis

• ImageProcessingandVisualizationin Biofluids

• ImageUnderstanding

• MaterialModels

• Mechanobiology

• MedicalImageAnalysis

• MolecularMechanics

• Multi-ModalImageSystems

• MultiscaleBiosensorsinBiomedicalImaging

• MultiscaleDevicesandBiomems forBiomedicalImaging

• MusculoskeletalBiomechanics

• SportBiomechanics

• VirtualRealityinBiomechanics

• VisionSystems

Moreinformationaboutthisseriesat http://www.springer.com/series/8910

ComputerAidedIntervention andDiagnosticsinClinical andMedicalImages

Editors

J.DineshPeter DepartmentofComputer ScienceandEngineering KarunyaInstituteofTechnology andSciences Coimbatore,TamilNadu,India

StevenLawrenceFernandes DepartmentofElectrical andComputerEngineering UniversityofAlabamaatBirmingham Birmingham,AL,USA

CarlosEduardoThomaz

BrazilianComputerSociety AalcidesPlatinyAlvesBatista PortoAlegre,RioGrandedoSul,Brazil

SerestinaViriri SchoolofComputerScience UniversityofKwaZulu-Natal Durban,SouthAfrica

ISSN2212-9391ISSN2212-9413(electronic) LectureNotesinComputationalVisionandBiomechanics ISBN978-3-030-04060-4ISBN978-3-030-04061-1(eBook) https://doi.org/10.1007/978-3-030-04061-1

LibraryofCongressControlNumber:2018961232

© SpringerNatureSwitzerlandAG2019

Thisworkissubjecttocopyright.AllrightsarereservedbythePublisher,whetherthewholeorpart ofthematerialisconcerned,specificallytherightsoftranslation,reprinting,reuseofillustrations, recitation,broadcasting,reproductiononmicrofilmsorinanyotherphysicalway,andtransmission orinformationstorageandretrieval,electronicadaptation,computersoftware,orbysimilarordissimilar methodologynowknownorhereafterdeveloped.

Theuseofgeneraldescriptivenames,registerednames,trademarks,servicemarks,etc.inthis publicationdoesnotimply,evenintheabsenceofaspecificstatement,thatsuchnamesareexemptfrom therelevantprotectivelawsandregulationsandthereforefreeforgeneraluse.

Thepublisher,theauthorsandtheeditorsaresafetoassumethattheadviceandinformationinthis bookarebelievedtobetrueandaccurateatthedateofpublication.Neitherthepublishernorthe authorsortheeditorsgiveawarranty,expressorimplied,withrespecttothematerialcontainedhereinor foranyerrorsoromissionsthatmayhavebeenmade.Thepublisherremainsneutralwithregardto jurisdictionalclaimsinpublishedmapsandinstitutionalaffiliations.

ThisSpringerimprintispublishedbytheregisteredcompanySpringerNatureSwitzerlandAG Theregisteredcompanyaddressis:Gewerbestrasse11,6330Cham,Switzerland

BrainTissueEntropyChangesinPatientswithAutismSpectrum Disorder 1

SudhakarTummala

DifferentialCoding-BasedMedicalImageCompression 11

P.ChitraandM.MaryShanthiRani

HarmonizationofWhiteandGrayMatterFeaturesinDiffusion MicroarchitectureforCross-SectionalStudies .................... 21

PrasannaParvathaneni,ShunxingBao,AllisonHainline,YuankaiHuo, KurtG.Schilling,HakmookKang,OwenWilliams,NeilD.Woodward, SusanM.Resnick,DavidH.Zald,IlwooLyuandBennettA.Landman

DeepNeuralArchitectureforLocalizationandTrackingofSurgical ToolsinCataractSurgery 31

NehaBanerjee,RachanaSathishandDebdootSheet

EfficientSegmentationofMedicalImagesUsingDilatedResidual Networks 39

LokeswaraRaoBontaandN.UdayKiran

Non-rigidRegistrationofBrainMRImagesforImageGuided NeurosurgeryUsingCloudComputing 49

D.PreethaEvangelineandP.Anandhakumar

AHybridFusionofMultimodalMedicalImagesfortheEnhancement ofVisualQualityinMedicalDiagnosis .......................... 61

S.Sandhya,M.SenthilKumarandL.Karthikeyan

AnAmplifyingImageApproach:Non-iterativeMultiCoverage ImageFusion ............................................. 71

K.Elaiyaraja,M.SenthilKumarandL.Karthikeyan

U-NetBasedSegmentationandMultipleFeatureExtraction ofDermascopicImagesforEffi cientDiagnosisofMelanoma 81 D.RojaRamaniandS.SivaRanjani

SecuredTransmissionofMedicalImagesinRadiology UsingAESTechnique ......................................

PavithraPrabhuandK.N.Manjunath

AReviewonHazeRemovalTechniques ........................ 113

K.P.SenthilkumarandP.Sivakumar

SecuredImageTransmissioninMedicalImaging Applications ASurvey .....................................

PavithraPrabhuandK.N.Manjunath

EvolutionofMethodsforNGSShortReadAlignmentandAnalysis oftheNGSSequencesforMedicalApplications

J.A.M.RexieandKumudhaRaimond

CariesDetectioninNon-standardizedPeriapicalDentalX-Rays 143 D.OsterlohandSerestinaViriri

SegmentationofTypeIIDiabeticPatient’sRetinalBloodVessel toDiagnoseDiabeticRetinopathy .............................. 153

T.JemimaJebaseeli,C.AnandDevaDuraiandJ.DineshPeter

ANovelCornerEliminationMethodfortheCompression ofWirelessCapsuleEndoscopicVideos ......................... 161 CarenBabuandD.AbrahamChandy

PredictionofTwoYearSurvivalAmongPatientsofNon-small CellLungCancer 169

YashDagli,SaumyaChoksiandSudiptaRoy

PredictionofChronicKidneyDiseasesUsingDeepArti ficial NeuralNetworkTechnique 179 HimanshuKriplani,BhumiPatelandSudiptaRoy

MonitoringAcuteLymphoblasticLeukemiaTherapywithStacked DenoisingAutoencoders ..................................... 189 JakobScheithe,RoxaneLicandro,PaoloRota,MichaelReiter, MarkusDiemandMartinKampel

Modi fiedLow-PowerBuilt-inSelf-testforImageProcessing Application ............................................... 199

P.Anitha,P.RamanathanandP.T.Vanathi

AHassle-FreeShoppingExperiencefortheVisuallyImpaired: AnAssistiveTechnologyApplication ........................... 207 SherinTresaPaulandKumudhaRaimond

RetinaasaBiomarkerofStroke 219

R.S.Jeena,A.SukeshkumarandK.Mahadevan

DistributedRepresentationofHealthcareTextThroughQualitative andQuantitativeAnalysis 227

J.R.Naveen,H.B.BarathiGanesh,M.AnandKumarandK.P.Soman

DetectionofLymphNodesUsingCentreofMassandMoment Analysis ................................................. 239

R.Akshai,S.RohitKrishnan,G.SwethaandB.P.Venkatesh

EstimationofElbowJointAnglefromSurfaceElectromyogram SignalsUsingANFIS ....................................... 247

P.Rajalakshmy,ElizabethJacobandT.JoclynSharon

VideoStabilizationforHigh-QualityMedicalVideoCompression 255

D.RaveenaJudieDolly,D.J.JagannathandJ.DineshPeter

Signi ficanceofGlobalVectorsRepresentationinProtein SequencesAnalysis 261

AnonGeorge,H.B.BarathiGanesh,M.AnandKumarandK.P.Soman TextureAnalysisonThyroidUltrasoundImagesfortheClassifi cation ofHashimotoThyroiditis .................................... 271

S.KohilaandG.SankaraMalliga

ClusterBasedPaddyLeafDiseaseDetection,Classifi cation andDiagnosisinCropHealthMonitoringUnit ................... 281

A.D.Nidhis,ChandrapatiNagaVenkataPardhu,K.CharishmaReddy andK.Deepa

DetectionofGlaucomaUsingAnteriorSegmentOpticalCoherence TomographyImages 293

P.Priyanka,V.NorrisJulietandS.ShenbagaDevi

BrainTissueEntropyChangesinPatients withAutismSpectrumDisorder

Abstract AutismSpectrumDisorder(ASD)isaccompaniedbybraintissuechanges inareasthatcontrolbehavior,cognition,andmotorfunctions,deficientinthedisorder.TheobjectiveofthisresearchwastoevaluatebrainstructuralchangesinASD patientscomparedtocontrolsubjectsusingvoxel-by-voxelimageentropyfromT1weightedimagingdataof115ASDand105controlsubjectsfromautismbrain imagingdataexchange.Forallsubjects,entropymapswerecalculated,normalizedtoacommonspaceandsmoothed.Then,theentropymapswerecomparedat eachvoxelbetweengroupsusinganalysisofcovariance(covariates;age,gender). IncreasedentropyinASDpatients,indicatingchronicinjury,emergedinseveralvital regionsincludingfrontaltemporalandparietalloberegions,corpuscallosum,cingulatecortices,andhippocampi.Entropyprocedureshowedsignificanteffectsizeand demonstratedwide-spreadchangesinsitesthatcontrolsocialbehavior,cognitive, andmotoractivities,suggestingseveredamageinthoseareas.Theneuropathological mechanismscontributingtotissueinjuryremainunclearandpossiblyduetofactors includinggenetic,atypicalearlybraingrowthduringchildhood.

Keywords Magneticresonanceimaging · Entropy · Autismspectrumdisorder

1Introduction

Autismspectrumdisorder(ASD)isadiversegroupofneurodevelopmentaldisordersrepresentedbyrepetitivebehaviors,abnormalsocialinteraction,anddiminished cognition[1, 2].Subjectswithlong-standingASDshowregionalandvoxel-leveltissuechangesinseveralbrainsitesthatregulatemotor,social-cognitive,andmood,as evaluatedwithhigh-resolutionT1-weighted-imaging-basedvoxel-basedmorphometry(VBM)anddiffusiontensorimaging(DTI)-baseddiffusivityproceduresfrom

S.Tummala(B)

DepartmentofElectronicsandCommunicationEngineering, SRMUniversity-AP,Amaravati522503,AndhraPradesh,India

e-mail: sudhakar.t@srmap.edu.in

©SpringerNatureSwitzerlandAG2019

J.D.Peteretal.(eds.), ComputerAidedInterventionandDiagnosticsinClinical andMedicalImages,LectureNotesinComputationalVisionandBiomechanics31, https://doi.org/10.1007/978-3-030-04061-1_1

magneticresonanceimaging(MRI)[3–6].VBMprocedurehaslimitedsensitivity fromtheinherentlimitedrangeofprobabilityvalues,andisnotsuitabletodetect subtlechronic/acutegrayorwhitematterchanges;thus,theprocedureisunableto differentiateacutefromchronictissuepathology.Although,DTIbasedmeandiffusivity,axialandradialdiffusivitymetrics,candifferentiatesuchacuteversuschronic differences,thoseimagesalsohaveaninferiorspatialresolution,andrequirespecializedpreprocessing.

Imagetextureisameasurethatquantifiesspatialpatternsofintensities/graylevel valuesandthesespatialpatternsmaydifferwithrespecttothenatureanddegreeof tissueinjury.Forthispurpose,T1-weightedimageswereemployed,whicharebetter suitedtodetectthechangesinintensitypatternsduetohigherspatialresolutionand bettergrayandwhitemattercontrast.

Entropy,atexturefeature,measurestheextentofhomogeneityorrandomnessina givenregion,basedoncharacteristicsoftheintensityhistogramfromhigh-resolution structuralimages.Theentropyvaluesareinverselyproportionaltotheamountof watercontentinthetissue.InacutestagesoftheASDdisease,duetoaxonaland neuralswelling,theamountofwatercontentincreasesandentropyvaluesdecreases, whereasinchronicstagesofthedisease,theamountofwatercontentdecreasesand entropyvalueswillbeincreased.Theentropytechniquehasbeenusedtoassess theneuralchangesindifferentconditions,includingAlzheimer’s[7],Parkinson’s disease[8],characterizationofintracranialtumors[9],andacuteinflammationin MSlesions[10].Therewerefewregion-basedstudiesrelatedtoimagetexturefor assessingbraintissueinASDsubjects[11, 12].However,tomyknowledgeapplying voxel-level entropyprocedureonalargerpopulationtostudybraintissuechangesin ASDpatientsisnovel.

Here,theaimwastoinvestigateregionalbrainentropychangesinASDsubjectsusinghigh-resolutionT1-weightedimagesfromAutismBrainImagingData Exchange(ABIDEI)database.Thehypothesisisthatvoxel-levelentropyvaluesare higherinASDsubjectsinvariousbrainsitesinvolvedincognitive,motorandneuropsychologicregulationcomparedtocontrolsubjects,indicativeofchronictissue changesinthoseregulatorysites.

2MaterialsandMethods

2.1StudyPopulation

FromABIDEIdatabase,115subjectswithASDand105age-andgender-comparable controlsubjectswereselected.Thecontrolsubjectswererecruitedthroughseveral participatingsitesacrosstheUSA.SubjectswithASDwereincludedbasedoncliniciansDiagnosticandStatisticalManualofMentalDisorders,FourthEditionTest

Revision(DSM-IV-TR;AmericanPsychiatricAssociation[13])diagnosisofautistic disorder,Asperger’sdisorder,orpervasivedevelopmentaldisorder––nototherwise specified.Alldatacollectionprocedureswerecarriedoutwithapprovalfromthe InstitutionalReviewBoardsatallcorrespondingparticipatingsites.

2.2MagneticResonanceImaging

BrainMRIimagesweredownloadedfromABIDEIdatabase(MagnetomTim-Trio SyngoB17;Siemens,Erlangen,Germany).Thehigh-resolutionT1-weightedscans wereacquiredat3.0Tfieldstrengthwithmagnetizationpreparedrapidacquisition gradientechosequenceinthesagittalplane(repetitiontimeTR 1230,590,2300ms; echotimeTE 1.73,2.73,2.9,3.6ms;inversion-time 624,900ms;flip-angle 9°,10° ;in-planeresolution 0.5mm × 0.5mm,1mm × 1mm;slicethickness 1.0,1.1,1.2mm).

2.3CognitionAssessment

Studysubjectsatmostoftheparticipatingsiteswereassessedforcognitiveskillsand abilityusingoneoftheIntelligenceQuotient(IQ)testsincludingWechslerAbbreviatedScaleofIntelligence(WASI),WechslerAdultIntelligenceScale(WAIS), WechslerIntelligenceScaleforChildren(WISC),Writingskillstest(WST),HamburgWechslerIntelligencetestforchildren(HAWIK),DifferentialAbilityScales (DAS)forestimationoffull-scaleIQ,verbalIQ,andperformanceIQ[14–16].

2.4DataProcessingandAnalysis

Severalsoftwaretoolswereusedforimagevisualization,datapreprocessing,and analysesthatincludedthestatisticalparametricmappingpackageSPM12(Wellcome trustcenterforneuroimaging,UK; http://www.fil.ion.ucl.ac.uk/spm),MRIcroN[17], andin-houseMATLAB-basedroutines(TheMathWorksInc.,Natick,MA).Forall ASDandcontrolsubjects,theimageswerevisuallyexaminedusingMRIcroNto ensurethattherewerenomotionartifactsandseriousanatomicaldefects.

2.5EntropyMapsCalculation,Normalization, andSmoothing

Foreachsubject,theT1-weightedimagewasbiascorrectedusingSPM12toeliminate anylocalmagneticfieldinhomogeneities.Then,theentropyatagivenvoxel“v”from thebias-correctedhigh-resolutionT1-weightedimageswascomputedinMATLAB fromthefollowingmathematicalequation:

bydefininga3 × 3 × 3VolumeofInterest(VOI)with“v”ascenter.Where, N is thenumberofgrayvaluesintheVOI,and pi istheprobabilityofoccurrenceof i th grayvalueintheVOI.Mathematically,theVOIcanberepresentedasbelow:

where“I”isthebias-correctedT1-weightedimage,andx,y,zarespatialcoordinates. Therewerenofreeparametersintheframework.Theprocedurewasthesameatall voxelsinthebias-correctedT1-weightedimage.Further,thewarpingparametersfor x , y, z directionsobtainedfromthebias-correctedT1-weightedimagesviamodified unifiedsegmentationmethodinSPM12wereappliedtothecorrespondingentropy mapstogetnormalizedentropymaps.Thenormalizedentropymapsweresmoothed usinganisotropicGaussianfilterinSPM12toimprovethesignal-to-noiseratio (kernelsize,10mm).

2.6GlobalBrainMask

Foreachsubject,theT1-weightedimagesweresegmentedintowhiteandgraymatter probabilitymapsusingSPM12.Thentheseprobabilitymapswerenormalizedinto MNIspaceusingthewarpingparametersobtainedfromthenormalizationstep.Then, allthenormalizedwhiteandgraymatterprobabilitymapswereaveragedtocreate globalwhiteandgraymatterprobabilitymaps,respectively.Theglobalbrainmask wascreatedbythresholding(graymatter>0.3andwhitematter>0.3)andcombining theglobalwhiteandgraymatterprobabilitymaps.Theglobalbrainmaskwasused tolimitthevoxellevelanalysestograyandwhitematterregions.

2.7StatisticalAnalyses

Chi-squaretestandindependent-samplesT-testswereemployedtodeterminegroup differencesindemographicdataandcognitivescores.Thesmoothedentropymaps betweenthegroupswerecomparedateachvoxelusinganalysisofcovariance (ANCOVA,SPM12,covariates:ageandgender,uncorrected,p<0.001;minimum cluster-size10voxels).Brainregionswithsignificantentropydifferencesbetween groupsweresuperimposedontobackgroundnormalizedT1-weightedimagesfor structureclassification.

3Results

3.1DemographicVariables

Nosignificantdifferenceswerefoundinage(p 0.32),gender(p 0.83),andhandedness(p 0.59,Table 1).However,ASDsubjectsshowedsignificantlylowerfullscaleIQ(p 0.02),verbalIQ(p<0.0001),performanceIQ(p<0.0001)scorescomparedtocontrolsubjects(Table 1).

3.2BrainRegionswithEntropyChanges

SeveralbrainareasinASDpatientsshowedincreasedentropyvalues,showing chronictissuechangesinthoseregions,comparedtocontrolsubjects(Fig. 1, p<0.001,uncorrected).BrainsitesinASDpatientsthatshowedincreasedentropy valuesincludedthebilateralsuperiorfrontalwhitematter(Fig. 2a),bilateralparietal cortices,andbilateralgenuofcorpuscallosumspreadingtoanteriorcingulate

Table1 Differencesinclinicalvariableswereassessedusingthe χ2 testforgender,handedness, andMann–WhitneyUtestforrestofthevariables.ASD:AutismSpectrumDisorder,DSM-IVTR:DiagnosticandStatisticalManualofMentalDisorders,FourthEditionTestRevision,IQ: IntelligenceQuotient,N:Numberofsubjects,SD:StandardDeviation Variables

Fig.1 BrainregionswithstatisticallysignificanthigherentropyvaluesinASDpatientscompared tocontrolsweresuperimposedontoa3Dsemitransparentwholebrainforstructureidentification. Imageswereshowninbothcoronalandsagittalviews.R:Right,L:Left.Colorbarshowst-statistic values

cortices(Fig. 2b,c),bilateralspleniumofcorpuscallosumspreadingtoposterior cingulatecortices(Fig. 2d,e),bilateralposteriorhippocampusspreadingtoparietal whitematter(Fig. 2g),bilateralmid-temporalwhitematter(Fig. 2f),leftoccipital cortex(Fig. 2b).NobrainregionsshoweddecreasedentropyvaluesinASDpatients comparedtocontrols.

4Discussion

4.1BrainTissueChangesinASD

Previousstudiesspeculatedthatseveralfactorsincludingaccelerated/atypicalbrain growthstartduringearlychildhood,oligogenetic,andaberrantmicro-organization ofthecortexmaytriggerprocessesthatleadtoanaxonalandneuronallossin specificbrainareas[18, 19].Whitematterandcorticalsurfacechanges,graymatter

Fig.2 BrainareasshowingincreasedvaluesinentropyinASDovercontrolsubjects(uncorrected p<0.001).Thesesitesincludedbilateralsuperiorfrontalwhitematter(a ),bilateralparietalcortices andleftoccipitalcortex(b),bilateralgenuofcorpuscallosumextendingtoanteriorparietalcortices (c ),bilateralspleniumofcorpuscallosumextendingtoposteriorparietalcortices(d, e),bilateral mid-temporalwhitematter(f ),bilateralposteriorhippocampispreadingtoparietalcortices(g). Imagesareaccordingtotheneurologicalconvention(L,left;R,right),andcolorbarindicates t-statisticvalues

volumealterations,functionalconnectivitychanges,andmetabolicdeficitswere examinedbyvariousMRIandspectroscopyproceduresinASDsubjects[20–22]. BraintissuechronicchangesinASDsubjects,examinedbyDTI-basedfractional anisotropy,meananddiffusivity-basedprocedures,wereemergedinthecorpuscallosum,medialtemporalcortex,ventrolateralprefrontalcortex,longitudinalfasciculus, uncinatefasciculus,andcingulumbundlesites[5, 23].Arecentlongitudinalstudy inmalesspanning9yearsshowedincreasedmean,axial,radialdiffusioninposteriorcorpuscallosumindicatingchronictissuechangesinthoseareas[18].However, nowthetissuechangeswereexaminedusingentropyprocedurefromT1-weighted images,whichofferrelativelysuperiorspatialresolutionandprovideseffectiveway ofassessingextentandnatureoftissueinjury.

4.2EntropyinAssessmentofBrainTissueChanges

Entropywascomputedfromintensitiesofhigh-resolutionT1-weightedimages,and itrepresentsapotentialmarkeroflocaltissuehomogeneity.Tissuehomogeneity decreasesinchronicdiseaseconditionwithtissueinjury,andincreasesinacute conditionduetoexcesswatercontentduetoneuronalswelling,andthus,entropy measuresmaybesuitabletodifferentiatechronicfromacutetissuepathology[24]. Inthisstudy,multiplebrainregionswereidentifiedwithincreasedentropyvalues, alsoindicatingchronicdiseasecondition.Moreover,variousbrainareasincludingthe bilateralsuperiorfrontalwhitematter,bilateralparietalwhitematter,bilateralgenuof corpuscallosumspreadingtoanteriorcingulatecortices,bilateralspleniumofcorpus callosumspreadingtoposteriorcingulatecortices,bilateralposteriorhippocampi, bilateralmid-temporalwhitemattershowedwide-spreaddamagethanpreviously identifiedbraintissuechangesusingotherimaging-basedprocedures[4, 5, 18].

4.3EntropyChanges:Neuropsychologic,Motor, andCognitiveRegulatorySites

Braintissuechangeswereapparentinsitesimportantforneuropsychologic,motor, andcognitivecontrol.Theseareasincludedbilateralsuperiorfrontalwhitematter, bilateralparietalwhitematter,bilateralparietalcortices,bilateralgenuofcorpuscallosumspreadingtoanteriorcingulatecortices,bilateralspleniumofcorpuscallosum spreadingtoposteriorcingulatecortices,bilateralposteriorhippocampi,andbilateralmid-temporalwhitematterregions.Thegenuandspleniumofcorpuscallosum responsibleforinformationintegrationbetweenhemispheresshowedpredominant wide-spreadchanges[25].Thehippocampianditsadjacentregionsresponsiblefor socialcognition(socialandemotionalfunctioning)andmemoryintegrationand retrievaldemonstratedchronicchangesinASDpatients[26].Theposteriorcingulatecorticesandcingulumbundle,sitesresponsibleforregulatingneuropsychologic functions,includingarousalstate,balanceandbreadthofattentionsymptomsshowed damage,andthisdamagemayinterruptlinkageoffibercrossingswithotheradjacent whitemattertracts[27].Alongwithneuropsychologicdeficit,temporalandparietal corticesalsoresponsibleforregulatingemotionsandvisualmemory,languageand objectprocessingshowedwidespreaddamage[28, 29].

4.4Limitations

Therewerefewlimitationsinthestudy.TheexactASDdiseasedurationwas unknownduetoseveralpotentialfactors.Thesefactorscouldincludesubjectsliving withthediseaseforseveralyearsbuttheywerediagnosedandidentifiedlately.Also,

thetreatmentdurationforsomeoftheASDsubjectsmayalsohaveanimpacton thefindingshere.However,ourresultsshowincreasedentropyvalues,indicating thatthemajorityofASDsubjectsshowedchronicbrainpathology.Also,significant differencesemergedinfull-scaleIQ,verbalIQ,andperformanceIQbetweengroups shouldhaveinfluencedcurrentstudyfindingsifusedthemascovariates.

4.5Conclusions

BrainentropyvaluesaresignificantlyincreasedinpatientswithASDovercontrolsubjects,suggestingpredominantlychronictissuechangesinthosesites.During chronicchanges,tissuebecomesmoredisorganized,randomnessincreases,andthus, entropyvaluesareincreased.BrainareaswithincreasedentropyvaluesinASDsubjectsarelocalizedinthecriticalmotor,neuropsychologic,andcognitivecontrolsites includingthefrontalandparietalwhitematterregions,genuofcorpuscallosum spreadingtoanteriorcingulatecortices,spleniumofcorpuscallosumspreadingto posteriorcingulatecortices,posteriorhippocampi,mid-temporalwhitematter.The underlyingneurobiologicalmechanismscontributingtobraintissuechangeswere notclearandprobablyduetogeneticandacceleratedabnormalbraingrowthduring childhoodinthedisease.Therefore,thefindingssuggestthatimageentropyexaminationfromT1-weightedimagingcandemonstratechronic/acutetissuechangesin theautisticbrain.

Acknowledgements IwouldliketothankAutismBrainImagingDataExchangeforproviding demographicaswellasMRIdataforthisstudy.

References

1.RapinI(1997)Autism.NEnglJMed337:97–104

2.GeschwindDH,LevittP(2007)Autismspectrumdisorders:developmentaldisconnection syndromes.CurrOpinNeurobiol17:103–111

3.YangDY,BeamD,PelphreyKA,AbdullahiS,JouRJ(2016)Corticalmorphologicalmarkers inchildrenwithautism:astructuralmagneticresonanceimagingstudyofthickness,area, volume,andgyrification.MolAutism7:11

4.Barnea-GoralyN,KwonH,MenonV,EliezS,LotspeichL,ReissAL(2004)Whitematterstructureinautism:preliminaryevidencefromdiffusiontensorimaging.BiolPsychiatry 55:323–326

5.AlexanderAL,LeeJE,LazarM,BoudosR,DuBrayMB,OakesTR,MillerJN,LuJ,Jeong EK,McMahonWM,BiglerED,LainhartJE(2007)Diffusiontensorimagingofthecorpus callosuminAutism.Neuroimage34:61–73

6.IsmailMM,KeyntonRS,MostaphaMM,ElTanbolyAH,CasanovaMF,Gimel’farbGL,El-Baz A(2016)Studyingautismspectrumdisorderwithstructuralanddiffusionmagneticresonance imaging:asurvey.FrontHumNeurosci10:211

7.MaaniR,YangYH,KalraS(2015)Voxel-basedtextureanalysisofthebrain.PLoSOne 10:e0117759

8.SikioM,Holli-HeleniusKK,HarrisonLC,RyyminP,RuottinenH,SaunamakiT,EskolaHJ, ElovaaraI,DastidarP(2015)MRimagetextureinParkinson’sdisease:alongitudinalstudy. ActaRadiol56:97–104

9.KjaerL,RingP,ThomsenC,HenriksenO(1995)TextureanalysisinquantitativeMRimaging.Tissuecharacterisationofnormalbrainandintracranialtumoursat1.5T.ActaRadiol 36:127–135(1995)

10.MichouxN,GuilletA,RommelD,MazzamutoG,SindicC,DuprezT(2015)Textureanalysis ofT2-weightedMRimagestoassessacuteinflammationinbrainMSlesions.PLoSOne 10:e0145497

11.ChaddadA,DesrosiersC,ToewsM(2017)Multi-scaleradiomicanalysisofsub-corticalregions inMRIrelatedtoautism,genderandage.SciRep7:45639

12.RadulescuE,GaneshanB,MinatiL,BeacherFD,GrayMA,ChatwinC,YoungRC,Harrison NA,CritchleyHD(2013)Graymattertexturalheterogeneityasapotentialin-vivobiomarker offinestructuralabnormalitiesinAspergersyndrome.PharmacogenomJ13:70–79

13.Diagnosticandstatisticalmanualofmentaldisorders.AmericanPsychiatricAssociation,WashingtonDCtestrevision(2000)

14.WechslerD(1999)Wechslerabbreviatedscaleofintelligencepsychologicalcorporation.San Antonio,TX

15.WechslerD(1997)WAIS-III:Wechsleradultintelligencescale.PsychologicalCorporation, SanAntonio,TX

16.WechslerD(2003)WechslerintelligencescaleforchildrenSanAntonio,4thed.TX,PsychologicalCorporation

17.RordenC,KarnathHO,BonilhaL(2007)Improvinglesion-symptommapping.JCognNeurosci19:1081–1088

18.TraversBG,TrompdoPM,AdluruN,LangeN,DesticheD,EnnisC,NielsenJA,Froehlich AL,PriggeMB,FletcherPT,AndersonJS,ZielinskiBA,BiglerED,LainhartJE,Alexander AL(2015)Atypicaldevelopmentofwhitemattermicrostructureofthecorpuscallosumin maleswithautism:alongitudinalinvestigation.MolAutism6:15

19.ParelladaM,PenzolMJ,PinaL,MorenoC,Gonzalez-VioqueE,ZalsmanG,ArangoC(2014) Theneurobiologyofautismspectrumdisorders.EurPsychiatr29:11–19

20.LiberoLE,ReidMA,WhiteDM,SalibiN,LahtiAC,KanaRK(2016)Biochemistryofthe cingulatecortexinautism:anMRspectroscopystudy.AutismRes9:643–657

21.AokiY,KasaiK,YamasueH(2012)Age-relatedchangeinbrainmetaboliteabnormalitiesin autism:ameta-analysisofprotonmagneticresonancespectroscopystudies.TransPsychiatr 2:e69

22.FriedmanSD,ShawDW,ArtruAA,DawsonG,PetropoulosH,DagerSR(2006)Grayand whitematterbrainchemistryinyoungchildrenwithautism.ArchGenPsychiatr63:786–794

23.LiberoLE,BurgeWK,DeshpandeHD,PestilliF,KanaRK(2016)Whitematterdiffusionof majorfibertractsimplicatedinautismspectrumdisorder.BrainConnect6:691–699

24.FozouniN,ChoppM,Nejad-DavaraniSP,ZhangZG,LehmanNL,GuS,UenoY,LuM,Ding G,LiL,HuJ,Bagher-EbadianH,HearshenD,JiangQ(2013)Characterizingbrainstructures andremodelingafterTBIbasedoninformationcontent,diffusionentropy.PLoSOne8:e76343

25.BloomJS,HyndGW(2005)Theroleofthecorpuscallosumininterhemispherictransferof information:excitationorinhibition?NeuropsycholRev15:59–71

26.GeibBR,StanleyML,DennisNA,WoldorffMG,CabezaR(2017)Fromhippocampusto whole-brain:Theroleofintegrativeprocessinginepisodicmemoryretrieval.HumanBrain Mapp38:2242–2259

27.LeechR,SharpDJ(2014)Theroleoftheposteriorcingulatecortexincognitionanddisease. Brain137:12–32

28.PertzovY,MillerTD,GorgoraptisN,CaineD,SchottJM,ButlerC,HusainM(2013)Binding deficitsinmemoryfollowingmedialtemporallobedamageinpatientswithvoltage-gated potassiumchannelcomplexantibody-associatedlimbicencephalitis.Brain136:2474–2485

29.SarkheilP,GoebelR,SchneiderF,MathiakK(2013)Emotionunfoldedbymotion:arolefor parietallobeindecodingdynamicfacialexpressions.SocCognAffectNeurosci8:950–957

DifferentialCoding-BasedMedical ImageCompression

Abstract Moderntrendsoftechnologyfacethechallengesofcost-effectivemassivedatastorageandtransmission.Imagecompressionisamasterkeyforthisissue. Basically,theprocessofimagecompressionreducesredundantandirrelevantinformationfromtheoriginaldataresultinginreduceddatafilesize.Vectorquantization isalossyimagecompressiontechniquewhichhelpstoachievehighercompression withlesscomputationcomplexity.Theaimoftheproposedworkistodevelopa novelmedicalimagecompressionmethodthatblendsdifferentialencodingandvectorquantization(VQ).Thebasicideaistotransformtheinputimageblocksintoa setofdifferencevectors(differencebetweentheeachpixelintensityvalueandits respectivemean).Thedifferencevectorsarenormalizedtopreservethesignand furtherquantizedtogeneratethecodebook.Thealgorithmisalsoinvestigatedwith otherstatisticalmomentslikemedianandmodeforfindingthedifferencevectors. Theexperimentalresultswithtestmedicalimageshavedemonstratedbetterperformanceoftheproposedmethodwhencomparedtosimilarmethods.

1Introduction

Imagecompressionistheprocessofrepresentinganimagewithreducedbitstorage. Itmakesthereductionbyeliminatingtheredundantdatawhichgivesacompactrepresentationofthedata.Therearevariousandinnumerableapplicationsimplementing imagecompressionprocesstogetefficientstorageandtransmission[1].Inparticular, medicalfieldhaslargesetofvaluablemedicalimagedataforsendingandreceiving throughtheinternet.Inadditiontotransmissiontime,thedatashouldberecovered withoutlosingtheirquality.Normally,imagecompressioncanbeeitherlossyorlosslesscompression.Theoriginaldatacanbeperfectlyrecoveredusinglosslessimage compression[2].Thereissomepopularlosslesscompressiontechniquescommonly

P.Chitra M.MaryShanthiRani(B)

DepartmentofComputerScienceandApplications,TheGandhigram RuralInstitute-DeemedtobeUniversity,Gandhigram624302,TamilNadu,India e-mail: m.maryshanthirani@ruraluniv.ac.in

©SpringerNatureSwitzerlandAG2019

J.D.Peteretal.(eds.), ComputerAidedInterventionandDiagnosticsinClinical andMedicalImages,LectureNotesinComputationalVisionandBiomechanics31, https://doi.org/10.1007/978-3-030-04061-1_2

usedforbettercompressionsuchasHuffmanencoding,Run-lengthencoding,and ArithmeticEncoding,etc.Inlossycompression,thereisaminorlossindataby eliminatingtheirrelevantinformationfromtheoriginaldata.VectorQuantization, BlockTruncationCoding,andTransformCodingarewidelyemployedlossycompressiontechniques.Thoughtransform-basedcompressionmethodsachievehigh quality,theyhavehighcomputationalcomplexity.Ontheotherhand,VQ-based methodsaresimpleandeasytoimplement.Thequantizationprocessreducesthe dimensionoftheimagesizebyapplyingclusteringtechniques.Thenumberofclustersandthedimensionoftheclustercentroidsdeterminethesizeofthequantized codebook.Compressionratioincreaseswiththedecreaseincodebooksizebutwith sometrade-offinquality.Agoodquantizationalgorithmshouldachieveabalance betweenimagequalityandcompressionratio.Thisproposedworkdeliversanearlosslessnovelimagecompressionmethodusingdifferentialcodingandnormalized vectorquantizationwithgoodcompressionratio.

2RelatedWork

Vectorquantizationisahighlypreferredtechniquetoreducethebitstoragewithout muchlossinimagequality.ShanthiRanietal.[3]describedamethodforimagecompressionbasedonvectorquantizationusingnovelgeneticalgorithmforcompressing medicalimages.Chiranjeevietal.[4]proposedavectorquantizationforimagecompressionwhichusesBatalgorithmontheinitialsolutionofLBG.Sumalathaand Subramanyam[5]proposedahierarchicallosslessimagecompressionfor telemedicineapplications.Theauthorhasdevelopedamethodofadaptivemultiwavelettransformusingmulti-dimensionallayeredzerocoding.Huiyanetal.[6] presentedamedicalimagecompressionmethodbasedonvectorquantizationwith variableblocksizesinwaveletdomain.TheauthorhasimplementedaLocalFractal Dimension(LFD)whichisusedtoanalyzethelocalcomplexityofeachwavelet coefficientsandsub-band.Bhattacharyyaetal.[7]proposedaVectorQuantizationbasedImageCompressionmethodusingGeneralizedImprovedFuzzyClustering. Theauthorhasdescribedthemethodaseasyandfastwithrapidconvergence.Li etal.[8]developedanimagecompressionmethodusingtransform-basedvector quantizationtechniquewhichhascombinedthefeaturesoftransformcodingand VQ.Abouali[9]proposedanobject-basedVQforimagecompression.Chitraand ShanthiRani[10]developedanovelcompressionapproachbasedonHaarWavelet andVQ.Phanprasitetal.[11]proposedamedicalimagecompressionmethodusing vectorquantizationandsystemerrorcompressionforimprovingthebitrateandthe imagequality.ShanthiRanietal.[12]presentedanovelapproachofvectorquantizationusingmodifiedparticleswarmoptimizationalgorithmwhichhasgenerated anefficientcodebookforcompressingimages.Therearevariousexistingmethods [13–16]whichemployedVQtechniquetocreateanefficientcodebookandreduce thebitrateaswell.

Theorganizationofthepaperisasfollows:Thedetaileddescriptionofthe proposedmethodispresentedinSect. 3.Resultsandcomparativeanalysisofthe proposedmethodisinvestigatedinSect. 4.Finally,themeritsandfutureenhancementideasarepresentedinSect. 5.

3ProposedMethod

Thissectionpresentsanovelapproachoftheproposedmethodusingdifferentialand vectorquantizationtechnique.Mainly,ithasthreephasesintheencodingprocess. Inthefirstphase,theinputimageisinitializedanddividedintonon-overlapped blocks/vectors.MeanDifferentialVector(MDV)hasbeencreatedinthesecond phaseforeachvectorbyfindingthedifferenceofthemeanvalueofeachvector andeachpixelfromtheoriginalvector.Generally,thedifferencevaluesaresmall inmagnitudebuthavebothpositiveandnegativesigns.Asthesignwillhavemore impactontheresults,MDVisnormalizedtoallpositivevalues.Vectorquantization isappliedtotheNormalizedMeanVector(NMV).

Inthefirstphase,theinputimageispartitionedintonon-overlappednxnimage blockswhicharerepresentedasavector.Meanvalueisfoundoutforeachinputvector andtheMDV,i.e.,differencebetweenmeanvalueandeachpixelofthevector.

where“ Mi ”referstothemeanvalueofeachinputvectorand“vi ”representsthe i th inputvector.

whereMDV(i,:)denotesthe i thmeandifferentialvectorwhichhasbothpositive andnegativevalueasitstoresthedifference.Topreservethesign,itisnormalized topositivevaluesbyaddingMaximumAbsoluteDifference(MAD)toeachvaluein MDVasgiveninthefollowingEquations.

whereNMVrepresentstheNormalizedMeanVector.Thenormalizedvectorhas beencreatedforpreservingthequalityofimageblocks.Toimprovethecompression ratio,VQisappliedtoNMVinthenextphase.ThecodebookobtainedinVQ processisfurtherde-normalizedbysubtractingMADfromeachcodevectorbefore generatingthecompressedstreamsoastoreducethenumberofbits.Hence,the compressedstreamwillhavede-normalizedcodebook,codeindices,andcompressed

Mi mean (v (i , :))
MDV (i , :) Mi v (i , :)
MAD abs (max( MDV ))
NMV (i , :)
MDV (i , :) + MAD

Fig.1 Encodingprocessoftheproposedmethod

Fig.2 Decodingprocessoftheproposedmethod

meanvector.Themeanvectorandcodeindicesarefurthercompressedusingrunlengthencoding.

Thedecodingprocessistheinverseofencodingprocess.Themeanmatrixand codeindicesarerun-lengthdecodedfirstandthematchingcodevectorforeach inputvectorisretrievedthroughitscodebookindex.ThefinalimagevectorRIi is reconstructedbyaddingthemeanvaluetoitsrespectivereconstructedinputvector Ri usingthefollowingEquation.

3.1ProposedFlowDiagram

SeeFigs. 1 and 2.

4ResultsandDiscussions

Theperformanceoftheproposedmethodisbrieflydiscussedinthissection.The outcomeofthisproposedmethodshowsbetterresultsthantheotherexistingmethods.Theexperimentalresultsoftheproposedmethodareanalyzedforfivemedical testimagessuchasMRI_Brain,MRI_Knee,MRI_Spine,MammogramImage,and X-rayimage.Theefficiencyoftheproposedmethodisevaluatedusingstandard

compressionmetricslikePeakSignal-to-NoiseRatio(PSNR),CompressionRatio (CR),StructuredSimilarityMetric(SSIM),andBitRate(BR)whichhaveproved thesuperiorperformanceoftheproposedmethodinqualityandcompressionaspects aswell.

Anotherbigchallengeofcompressionmethodsisthecomputationcomplexity.An effectivecompressionmethodshouldstrivetoachievegoodqualityandcompression ratiowithoutmuchcomputationcomplexity.

Theperformanceanalysisoftheproposedmethodintermsofthreeimportant metrics;quality,compressionefficiency,andcomputationcomplexityispresentedin Table 1.Experimentsarealsoconductedtoinvestigatetheperformanceusingother statisticalmomentsmedianandmodeotherthanmeanandarelistedinTable 1

ItisworthnotingthattheproposedmethodhasachievedPSNRvalueinthe considerablerange(40–50)optimalformedicalimagediagnosisandSSIMcloserto 1exhibitingnear-losslessqualityachievementbytheproposedmethod.Table 1 also reportsgoodCRandBRwhicharevitalparametersforassessingthecompression efficiencyoftheproposedmethod.Moreover,theproposedmethodisalsotested usingvariousimageblocksizes.Ithasbeenobservedthattheblocksize[2 × 2] produceshigherrangeofPSNRandCRaswell.Table 2 investigatesthecomparative analysisbetweentheproposedandexistingmethodsforMRimage.

ItisobviousfromTable 2 thattheproposedmethodoutperformssimilarexisting methodsbyachievingaPSNRvalueintherange(38–54).

Table 3 resultsshowthattheproposedmethodachieveshigherPSNRrange (38–40)overtheexistingCLC[11]andCLC+SEC[11]methods.

Theresultsoftheproposedmethodarevisuallyrepresentedformedicaltest images(Fig. 3).

Table1 Performanceoftheproposedmethodwithblocksize[2 × 2]andcodebooksize[128]

Image Methods

Table2 Comparativeanalysisoftheexistingandproposedmethodusingmedicalimages Images512 × 512pixels Algorithms

Table3 Comparativeanalysisoftheexisting[11]andproposedmethodusingnonmedicalimages

Images512 × 512pixels Algorithms

Fig.3a Originalimage. b Reconstructedimageusingtheproposedmethod

5Conclusion

Theproposedmethodpresentsanovelapproachofdifferentialcodingwithnormalizedvectorquantizationtechnique.Theproposedmethodachieveshighercompressionwithoutcompromisingthequalityofanoriginalimage.Furthermore,the proposedmethodhasminimizedthecomputationcomplexity.Hence,theproposed methodisagoodchoiceformedicalimagestorageandtransmission.

References

1.SomasundaramK,ShanthiRaniMM(2011)NovelK-meansalgorithmforcompressingimages. IntJComputAppl18(8):9–13

2.SomasundaramK,ShanthiRaniMM(2011)ModebasedK-meansalgorithmwithresidualvectorquantizationforcompressingimages.In:Internationalconferenceon“control,computation andinformationsystems”.SpringerCCIS140,pp105–112

3.ShanthiRaniMM,ChitraP,VijayalakshmiRImagecompressionbasedonvectorquantizationusingnovelgeneticalgorithmforcompressingmedicalimages.IntJComputEngAppl XII(I):104–114

4.ChiranjeeviK,JenaU(2016)FastvectorquantizationusingaBatalgorithmforimagecompression.EngSciTechnolIntJ19:769–781

5.SumalathaR,SubramanyamMV(2015)Hierarchicallosslessimagecompressionfor telemedicineapplications.In:Eleventhinternationalmulti-conferenceoninformation processing-2015(IMCIP-2015).ProcediaComputSci54:838–848

6.HuiyanJetal(2012)Medicalimagecompressionbasedonvectorquantizationwithvariableblocksizesinwaveletdomain.HindawiPublishingCorporation.ComputIntellNeurosci 2012:3,ArticleID541890

7.Bhattacharyyaetal(2014)Vectorquantizationbasedimagecompressionusinggeneralized improvedfuzzyclustering.In:2014internationalconferenceoncontrol,instrumentation, energy&communication(CIEC):662–666

8.RobertY,Lietal(2002)Imagecompressionusingtransformedvectorquantization.ImageVis ComputElsevier20:37–45

9.AboualiAH(2015)Object-basedVQforimagecompression,Elsevier.AinShamsEngJ 6:211–216

10.ChitraP,ShanthiRaniMM(2018)Modifiedhaarwaveletbasedmethodforcompressing medicalimages.IntJEngTechniq(IJET)4(1)

11.PhanprasitTanasaketal(2015)Medicalimagecompressionusingvectorquantizationand systemerrorcompression.IEEJTransElectrElectronEng10:554–566

12.ShanthiRaniMM,ChitraP,MahalakshmiK(2017)Anovelapproachofvectorquantization usingmodifiedparticleswarmoptimizationalgorithmforgeneratingefficientcodebook.IntJ AdvancResComputSci8(9)

13.ShanthiRaniMM,ChitraP(2009)Adaptiveclassifiedpatternmatchingvectorquantization approachforcompressingimages.In:2009internationalconferenceonimageprocessing, computervision&patternrecognitionproceedings,LasVegas,USA,pp532–538

14.ShanthiRaniMM(2014)Residualvectorquantizationbasedirisimagecompression.IntJ ComputIntellStud3(4):329–334,IndersciencePublishers

15.ShanthiRaniMM,ChitraP(2016)Novelhybridmethodofhaar-waveletandresidualvectorquantizationforcompressingmedicalimages.In:2016IEEEconferenceonadvancesin computerapplications(ICACA),vol1,pp321–326

16.ShanthiRaniMM,ChitraP(2018)Ahybridmedicalimagecodingmethodbasedon haarwavelettransformandparticleswarmoptimizationtechnique.IntJPureApplMath 118(8):3056–3067

HarmonizationofWhiteandGray MatterFeaturesinDiffusion

MicroarchitectureforCross-Sectional Studies

PrasannaParvathaneni,ShunxingBao,AllisonHainline,YuankaiHuo, KurtG.Schilling,HakmookKang,OwenWilliams,NeilD.Woodward, SusanM.Resnick,DavidH.Zald,IlwooLyuandBennettA.Landman

Abstract Understandingofthespecificprocessesinvolvedinthedevelopmentof brainmicroarchitectureandhowthesearealteredbygenetic,cognitive,orenvironmentalfactorsisakeytomoreeffectiveandefficientinterventions.Withtheincreasingnumberofpubliclyavailableneuroimagingdatabases,thereisanopportunityto combinelarge-scaleimagingstudiestoincreasethepowerofstatisticalanalysesto testcommonbiologicalhypotheses.However,cross-study,cross-sectionalanalyses areconfoundedbyinter-scannervariabilitythatcancausebothspatiallyandanatomicallydependentsignalaberrations.Inparticular,scanner-relateddifferencesinthe diffusion-weightedmagneticresonanceimaging(DW-MRI)signalaresubstantially differentintissuetypeslikecortical/subcorticalgraymatterandwhitematter.Recent studieshaveshowneffectiveharmonizationusingtheComBattechnique(adopted fromgenomics)toaddressinter-sitevariabilityinwhitematterusingdiffusiontensorimaging(DTI)microstructureindiceslikefractionalanisotropy(FA)ormean

P.Parvathaneni(B) · Y.Huo · B.A.Landman

ElectricalEngineering,VanderbiltUniversity,Nashville,TN,USA e-mail: Prasanna.Parvathaneni@vanderbilt.edu

S.Bao · I.Lyu · B.A.Landman

ComputerScience,VanderbiltUniversity,Nashville,TN,USA

K.G.Schilling · B.A.Landman

VanderbiltUniversityInstituteofImagingScience,VanderbiltUniversity, Nashville,TN,USA

A.Hainline H.Kang Biostatistics,VanderbiltUniversity,Nashville,TN,USA

N.D.Woodward B.A.Landman

DepartmentofPsychiatryandBehavioralSciences,VanderbiltUniversity SchoolofMedicine,Nashville,TN,USA

D.H.Zald

DepartmentofPsychologyandPsychiatry,Nashville,TN,USA

O.Williams S.M.Resnick

NationalInstitutesofHealth,Bethesda,USA

©SpringerNatureSwitzerlandAG2019

J.D.Peteretal.(eds.), ComputerAidedInterventionandDiagnosticsinClinical andMedicalImages,LectureNotesinComputationalVisionandBiomechanics31, https://doi.org/10.1007/978-3-030-04061-1_3

22P.Parvathanenietal.

diffusivity(MD).Inthisstudy,wepropose(1)toapplythecorrectionatvoxellevel usingtract-basedspatialstatistics(TBSS)inFA,(2)tocorrectvariabilityacross scannerswithdifferentgradientstrengthsinDTI,and(3)toapplytheComBattechniquetoadvancedDW-MRImodels,i.e.,neuriteorientationdispersionanddensity imaging(NODDI),tocorrectforvariabilityoforientationdispersionindex(ODI)in graymatterusinggraymatter-basedspatialstatisticstool(GSBSS).Weshowthatthe biologicalvariabilitywithageisretainedorimprovedwhilecorrectingforvariability acrossscanners.

Keywords Harmonization · NODDI · Brainmicrostructure Graymattersurface-basedanalysis

1Introduction

Understandingthedevelopmentofwhitemattermicrostructureisessentialto understandingneurodevelopment.Withtheincreasingnumberofpubliclyavailable neuroimagingdatabases,includingtheAdolescentBrainCognitiveDevelopment (ABCD),theUKBioBankandConnectomestudies,thereisanopportunitytocombinelarge-scaleimagingresourcestoincreasethepowerofstatisticalanalysestotest thecommonbiologicalhypothesis.Community-wideeffortsareunderwaytoaddress standardizationofacquisitionsandanalysesforimagingbiomarkersasdescribedin imagingbiomarkerroadmapforcancerstudies[1].Usingdiffusiontensorimaging (DTI),ENIGMA’sdiseaseworkinggroupshavebeguntoanalyzedataacrosscohorts fordifferencesinarangeofDTImeasuresanddiscoveringfactorsthatconsistently affectbrainstructureandfunction[2].However,thecommunityofclinicians,engineers,andphysicistsisnotyetreadytoagreeonasinglebestpracticeapproachto advancedDW-MRI.Therefore,itisimperativetounderstandwhen(andhow)diverse protocolscanbeanalyzedtoenablecomparisonandoptimizationacrossprotocols basedonpracticalstudydesignandimagingconstraints.

ApplicationofadvancedDW-MRImethodsinclinicalresearchstudieshasbeen hinderedbyalackofconsensusonbestprotocols.DW-MRIsuffersfrombetweenscannervariationthathinderscomparisonsofimagesacrossimagingsites,scannersandovertime,amodelthatcanpreservebiologicalvariabilityandremovethe unwantedvariationintroducedbythesiteisneeded.Harmonizationofdataacross scanprotocolsandsitedifferencesisanimportantpreliminarysteptoconductgroup analysisinvolvingcross-sectionaldataacquiredacrossdifferentregionsorondifferentscanprotocols(Fig. 1).Usingfractionalanisotropy(FA)andmeandiffusivity (MD)maps,Fortinetal.comparedseveralharmonizationapproachesandfoundthat ComBatperformedbestatinter-sitevariabilitycorrection[3].ComBathasalsobeen appliedtoharmonizationofcorticalthicknessmeasuresacrossscannersandsites [4]andmulticenterradiomicstudieswithpositronemissiontomography[5].With theintroductionofadvanceddiffusionMRImodels,e.g.,theneuriteorientationdispersiondensityimaging(NODDI),itispossibletoanalyzemicrostructuralchanges withingraymatter(GM).

Another random document with no related content on Scribd:

— Ainakin on minulla sinussa ystävä, johon saan turvautua ja jolta voin pyytää neuvoa… jos niitä tarvitsen.

Monta sanaa ei sen jälkeen vaihdettu. Jäähyväiseksi Harald lujaa puristi pastorin kättä sekä suuteli Stellaa otsalle. Hänen noustuaan rattaille, seurasivat toiset häntä maantielle, josta jo Ristilä näkyi.

— En pidä tuosta harmaasta linnasta, jonne Harald lähtee, puhui Stella ikäänkuin itsekseen, pääseekö hän edes enää sieltä pois?

— Melkein joka päivä tulen teillä käymään, vastasi Harald. Voikaa sillä välin hyvin!

Hän lähti ja nyt oli pastori kahdenkesken Stellan kanssa. Miksi hänen sydämensä sykki niin rajusti nyt, kun hän oli jäänyt kahdenkesken tuon taitamattoman tytön kanssa? Sen vuoksi, että hän nyt vasta käsitti, mihinkä oli sitoutunut. Kolmannen läsnäolo vaikutti, ettei hän niin syvästi sitä ajatellut, ja nyt oli tämä kolmas poissa. Huomenna hänen opettajatoimensa alkaisi, mutta millä alottaisi, mistä nytkin puhuisi hänelle? Sanoin hän tosin ei tätä kysynyt, mutta sellaiselta tuntui hänessä itsessään.

Kun pastori oli jäänyt yksin tämän aivan taitamattoman tytön kanssa, tuntui hänestä ikäänkuin tämä olisi ollut jonkinmoinen voimakas hallitsijasielu. Ja tämä vaikutus oli sitä voimakkaampi, kun hän oli ottanut tehtäväkseen häntä sivistyttää ja opettaa hänelle kaikkea, mitä tässä matoisessa maailmassa tarvitaan. Mutta nyt hän epäili omaa kykyänsä.

Niin, jopa hän rupesi epäilemään puhdasta tahtoansakin sekä tämän tehtävänsä vaikuttimia. Ehkä oli yhtenä vaikuttimena myös jonkinmoinen turhamainen ja epäselvä toivo saada kasvattaa naista

oman mielensä mukaan, tehdäkseen hänestä sellaisen, jonka olisi tahtonut omakseen.

Näiden ajatuksien valtaamana hän oli luonut katseensa alaspäin, mutta silloin herätti hänet Stellan ääni:

— Älä, hyvä ystävä, noin katso maahan. Katso minua ja katsele taivasta, niin et näytä noin synkältä.

Nämä sanat vaikuttivat häneen sähkövoiman tavalla. Hän katsahti taivaaseen ja sitten lempeästi Stellan silmiin ja sanoi:

— Niinpä niin. Taivasta ja sinua katsellessani opin, kuinka sinua on opetettava, jotta pääsisit kerran taivaaseen. Jumala, joka on luonut taivaan, maan ja ihmiset, on myös luonut sinut, tyttöni. Jumala, joka näkee meidät, joka meitä suojelee ja pitää meistä huolen, on myös armosta minun kauttani opettava sinulle tiensä. Oletko koskaan kuullut puhuttavan Jumalasta?

— Jumala, sehän on italiankielellä Dio. Enpä ole usein kuullut heidän häntä mainitsevan. Mutta kuitenkin olen ymmärtänyt, että Jumala on olemassa ja, ollessani yksin, olen usein langennut polvilleni, näin.

Näin sanoen hän katuvaisen tavalla notkisti polvensa, Vaikka ei ymmärtänyt mitään pahaa tehneensä.

Silloin pappikin lankesi polvilleen ja nöyryytti itsensä Jumalan edessä.

Ja hän sai lohdutuksen, avun ja voiman.

Haavanlehdet eivät enää lipattaneet ja aurinko oli mennyt mailleen.

KOTIOPETTAJA JA PERHE.

Kotiopettajan tointa pidetään tavallisesti opintoja harjoittavan nuorukaisen viho viimeisenä hätäkeinona. Voima, jonka hän niin hyvin tarvitsisi oman itsensä kehittämiseksi, lamautuu, kun hänen ennen aikojansa täytyy ruveta toisia opettamaan, mikä useinkin hänen oppilaihinsa nähden on hyvin epäkiitollista työtä. Kuitenkin kuullaan semminkin naisten kehuvan kotiopettajan tointa erinomaisen sivistyttäväksi nuorille miehille, joilla sitä ennen on ollut vain koulutietoja, mutta joilta on puuttunut esiintymiskykyä.

Tietämättänsä tällaiset naiset pitävät sangen tärkeänä asiana, että nuorukainen sievästi ja keveästi siirtää tuoliansa, että hän ei ole neuvoton siitä, mihin asettaa kätensä, että sopivasti osaa käyttää seuraelämässä tavallisia korulauseita — sanalla sanoen, että hän kaikin puolin osaa käyttäytyä somasti ja kohteliaasti.

Harald Thalberg tavallisesti käsitti asiat toiselta kannalta kuin muut ja niin hän teki nytkin. Hän näet alotti opettamisen silloin, kun muilla oli tapana se päättää.

Ehk'ei se kuitenkaan olisi johtunut hänen mieleensä, ellei uteliaisuus olisi häntä kiihoittanut. Ristilän vapaaherra oli jo puoli vuotta kuulustellut opettajaa lapsillensa, ja kun hän tarjosi hyvänlaisen palkan, olisivat useatkin nuorukaiset mielellään ottaneet tämän toimen vastaan, mutta Ristilän ja sen omistajan huono maine pelotti heitä, niin että he peräytyivät. Tämä houkutteli Haraldia, jota kaikki salaperäinen viehätti; häntä huvitti tutkia tällaisten huhujen alkua ja siis hän ryhtyi siihen, johon eivät muut uskaltaneet ruveta.

Vähän ennen auringonlaskua hän saapui perille. Hän ajoi käyden läpi puiston, jotta paremmin saattaisi katsella rakennuksia ja istutuksia.

Puisto oli romantillinen ja synkkä. Tuuheita kuusia, koivuja ja haapoja kasvoi siellä sekaisin. Hän oli kyllä ennenkin nähnyt kuusien kasvavan koivujen seassa ja pitänyt sitä kyllä kauniina, mutta se, että täällä oli haapojakin, ei häntä oikein miellyttänyt. Haapametsä semmoisenaan on kyllä kaunis, mutta jos tämä puu kasvaa hajallaan koivujen ja kuusien seassa, niin se tekee kamalan ja vastenmielisen vaikutuksen.

Erään tällaisen haavan juurella hän huomasi hautakiven, jossa luki Henrik Henning, syntynyt 1815 kuollut 1817. Olisipa tuo poika saanut elää ja olla täällä linnassa, jotta minulla ajan kuluksi olisi ollut samanikäinen puhetoveri, ajatteli Harald.

Pian oli kuljettu puiston läpi ja kyytipoika juoksi aukaisemaan pihaporttia, joka oli iso ja paksusta raudasta tehty ja joka kovasti ja pahaa ennustaen narisi.

Kolinan kuultuaan riensi yksi palvelustytöistä paikalle. Hän näytti hyvin ylpeältä ja kysyi nenäkkäästi:

— Herra on kai se, jota tänne on odotettu?

Harald tiesi aivan hyvin, kuinka mahtavia palkolliset paremmissa paikoissa yleensä ovat. Hän ei siis ensinkään nolostunut, vaan vastasi ivallisesti:

— Arvasitte aivan oikein, armollinen neiti; teidän luvallanne todellakin aijon tänne… Ja nyt näytät sinä, missä huoneeni on, heti paikalla!

Mitään vastaamatta nousi palvelustyttö toiseen kerrokseen ja osoitti hänelle huoneen, joka oli ullakkokamari.

Siinä, mihin kiertoportaat päättyivät ja mistä ullakko alkoi, heräsi

Haraldissa yksi noita kummallisia, unelmantapaisia muistoja, joihin erinäiset paikat toisinaan antavat aihetta. Tuntuu ikäänkuin joskus ennenkin olisi ollut ihan samallaisessa paikassa ja silloin tuntenut aivan samaa kuin nyt. Paikka ja tunteet vaikuttavat meihin niin valtavasti, että meistä on ikäänkuin meidät olisi siirretty kauas menneisyyteen. Mutta pian nämä tunteet haihtuvat, emmekä yritäkään selvittää noita salaperäisiä mielikuvia.

Harald oli hyvin tyytyväinen ullakkohuoneeseensa. Yleensä hän piti tällaisista erillään olevista huoneista ja tämä oli sitäpaitsi tarpeeksi tilava sekä hyvin kalustettu. Ei hän kuitenkaan kauvan ehtinyt katsella ympärillensä, ennenkuin sama palvelustyttö, joka äsken oli käyttäytynyt niin kopeasti, avasi oven ja kohteliaalla, miltei nöyrällä tavalla pyysi maisteria tulemaan alas, koska illallispöytä oli jo katettu.

Samassa paikassa kuin äskenkin, siinä missä käsipuut alkoivat, heräsi hänessä uudelleen sama tunne, sama unelmantapainen,

hämärä muisto. Mutta koko tahtonsa voimalla hän karkoitti sen luotaan ja riensi nopsan ja ketteräjalkaisen palvelustytön jälessä. Hänen oli vielä kuljettava eteisen, salin ja vielä kolmannenkin huoneen läpi, ennenkuin hän tuli siihen, niissä perhe oli koolla.

Vapaaherra tuli häntä vastaan kätelläksensä, mutta jäikin seisomaan ja loi silmänsä maahan. Tämä vapaaherran kummallinen hämmästys oli vaikuttaa Haraldiinkin, niin että hänkin oli punastumaisillaan… joka olisi ollut mitä kiusallisinta… mutta samassa vapaaherra jo tointui ja katsoen häntä rohkeasti sanoi:

— Suokaa anteeksi hajamielisyyteni, herra maisteri! Nähdessäni ensi kerran ihmisiä, minun aina käy niin, että heidän ulkomuotonsa muistuttaa minulle jotain rakasta vainajaa tai poissaolevaa tuttavaa. Niin kävi nytkin. Kuitenkin: terve tuloa!

Hän löi kättä, mutta tapa, jolla hän sen teki, oli niin kylmä ja veltto, ettei se ensinkään ollut Haraldille mieleen. Ja yhtä vähän vapaaherran ulkomuoto miellytti häntä. Hänen katseensa oli tosin terävä ja hän katsoi ihmisiä suoraan silmiin, mutta tässä katseessa ei kuitenkaan ollut mitään hyvää ja luotettavaa. Näytti ikäänkuin hän olisi totuttautunut katsomaan ihmisiä silmiin, ikäänkuin sillä peittääksensä teeskentelyänsä.

Pituudeltaan parooni oli keskikokoinen, mutta muuten roteva. Nuorena hän näytti olleen kaunis, mutta nyt oli hänen otsansa kamalasti rypyssä, mikä usein on hurjien himojen seurauksena, suu hymyili ilkeästi ja alahuuli oli inhottavasti nyrpistynyt. Tämä ei näyttänyt luotettavalta, eikä hänen harmahtava tukkansakaan herättänyt katsojassa kunnioitusta.

Harald muisteli joskus nähneensä vapaaherran näköisen roiston.

Hän oli niin kiintynyt katselemaan vapaaherraa, että tuskin olisi tullut vilkaisseeksi toisia, ellei vapaaherra olisi esittänyt jokaista vuoronperään. Tämä kohteliaisuus ihmetytti Haraldia, koska hän oli kuullut kerrottavan, ettei vapaaherra koskaan ennen kotiopettajain suhteen ollut nähnyt sitä tarpeelliseksi.

Ruotsalainen kamarijunkkari v. Assar oli noin puolivälissä neljänkymmenen oleva mies, ulkomuodoltaan kelmeä ja kivulloisen näköinen. Hän oli pitkä ja soreavartaloinen, mutta hänen silmäinsä kirkkaus näkyi kadonneen, lieneekö siihen ollut syynä sairaalloisuus vaiko irstas elämä.

Muutaman päivän hän oli ollut Ristilässä vieraana ja tulisi viipymään niin kauan kun terveysvedenjuontinsa kestäisi.

Kolmannen seurassa olevan herran vapaaherra esitti ikäänkuin sivumennen, mainiten välinpitämättömästi hänen nimensä: herra v. Nit. Tälle miehelle vapaaherra ei siis näkynyt antavan mitään erityistä arvoa. Luultavasti hän oli jonkinmoinen pehtoori, kirjanpitäjä taikka muu sellainen, ajatteli Harald ensi silmäyksellä.

Hän näytti olevan melkein samanikäinen kuin vapaaherrakin, mutta eivät hänenkään harmahtavat hapsensa näyttäneet Haraldin mielestä kunniakkailta. Muuten herra v. Nitillä näytti olleen hyvät päivät. Hänen lyhyt ja tanakka vartalosta ei ollut voimakas, niinkuin tavallisesti sellaiset ovat, vaan lihava ja pöhistynyt, luultavasti ylellisestä juomisesta. Nytkin saattoi huomata, että yksinomaan häntä varten tarjolla olevaa konjakkipulloa oli liiaksi kallisteltu.

Vapaaherran esittäessä näin ohimennen herra v. Nitin, näki Harald tarpeelliseksi mennä kädestäpitäen häntä tervehtimään. Herra v. Nit nousi puoliksi tuoliltaan, mutta lysähtikin takaisin istualleen, kun

hänen juopottelemisesta hämärät silmänsä nyt selvemmin erottivat

Haraldin. Hänen verevät kasvonsa hieman vaalenivat, hän veti syvään henkeänsä ja änkytti:

— Oh, c'est une merveille!

Herra v. Nitin mielenliikutus ei jäänyt vapaaherralta huomaamatta ja hän sanoi:

— Lyönpä vetoa, että herra v. Nit maisterissa huomaa saman yhdennäköisyyden kuin minäkin, niin silmiinpistävä se todellakin on! Eikö mielestänne maisteri Thalberg ihmeellisesti muistuta yhteistä ystäväämme, herra v. Rohlia?

— Rohlia — herra v. Nit verkalleen toisti, mutta jatkoi sitten kiihkeästi: — kas, hänen näköisensähän maisteri juuri onkin!

Harald oli huomaavinaan, että vapaaherra nuhdellen katsahti v. Nitiin. Kaiken tämän ohessa hän kuitenkin oli ehtinyt tervehtiä rouva Orrbergia, joka oli talossa emännän sijaisena, millä tarkoitamme, että hän vapaaherran toisen rouvan kuoltua oli itsevaltiaasti hallinnut sekä sisätaloutta että karjanhoitoon kuuluvia asioita.

Talossa oli neljä lasta, kaksi edellisestä ja kaksi jälkimäisestä avioliitosta. Irene neiti oli seitsemäntoista ja hänen Aleksi-niminen veljensä neljäntoistavuotias. Solmu oli kahdeksan ja pikku Ulla vain viiden vuoden ikäinen.

Harald katseli tutkivasti näitä ihmisvesoja. Hänestä he näyttivät hyvin hiljaisilta ja miettiväisiltä, melkeinpä ikäänkuin joku suru olisi heitä painanut. Molemmat pojat olivat sitäpaitsi kalpeita ja ruumiinrakenteeltaan heikkoja. Pikku Ulla oli ainoa, joka näytti

rauhalliselta, eikä ujostellut. Hän vain hiipi sisarensa viereen, ehkäpä enemmän tätä hyväilläksensä kuin etsiäksensä häneltä turvaa.

Lapset tekivät Haraldiin miellyttävän vaikutuksen. Hän tunsi kiintymystä heihin ja piti heistä jo etukäteen.

Illallisen syötyä vapaaherra sanoi Haraldille:

— Jotta päivä päättyisi hauskasti, pyydän saada kuulla maisterin laulavan.

Oli siirrytty salonkiin. Iso avoinna oleva flyygelipiano osoitti, että Irene neiti oli hiljan soittanut. Paroonin kehoittaessa Haraldia laulamaan, tämä sattumalta vilkaisi Ireneä, joka surullisin ja vakavin katsein vastasi hänen silmäykseensä.

— Tyttö parka, ajatteli Harald, varmaankaan et ole onnellinen!

Hän istahti pianon ääreen ja itse säestäen lauloi laulun, jonka sisällön jo arvaa nimestäkin. Se oli "Yksinäisen tytön suru."

Haraldin ääni ei ollut erikoisen kaunis ja laulaessaan hän ei noudattanut minkään erityisen laulamistaidon sääntöjä, mutta osasi hyvin hallita ääntänsä ja lauloi intomielisesti ja tunteellisesti kuin sävelet olisivat nousseet suoraan hänen sydämestänsä. Näin hän ihastutti kuulijoitansa enemmän kuin moni, jolla on parempi ääni ja joka on enemmän harjoitellut.

Syystä kysyttänee, kuinka vapaaherra tiesi Haraldin osaavan soittaa ja laulaa. Asian laita oli niin, että hän, hakiessaan sanomalehti-ilmoituksilla lapsilleen opettajaa, erityisesti oli maininnut, että semmoinen olisi otollisempi, joka osaisi myös opettaa laulua pianon säestyksellä. Vastauksessaan Harald myönsi

harrastavansa soitantoa ja lupasi antaa tässä aineessa opetusta kaksi tuntia viikossa. Ja tähän hän suostui sitä kernaammin, kun arvasi tätä opetusta annettavan vapaaherran vanhimmalle lapselle, Irene neidille, josta hänellä kulkupuheitten mukaan oli jonkunmoinen epäselvä käsitys. Harald piti jo ennestään nuorista naisista, eikä siis katsonut heidän opettamistansa ylen rasittavaksi. Työtä se tosin oli, mutta ehkäpä hauskaakin.

Laulun päätyttyä parooni kiitti ja sanoi, että sellainen, joka itse laulaa niin kauniisti ja taidokkaasti, on varsin sopiva muita opettamaan.

— Se on vanhin lapseni, joka tulee hyötymään teidän opetuksestanne. Hän on jo neljä vuotta soittanut ja edistynyt hyvin, mutta ei liene vielä yrittänyt laulaa.

Irene ei virkkanut mitään, vaikka hänellä tässä olisi ollut sopiva tilaisuus puhua. Varmaankin, ajatteli Harald, hänen isänsä on ylen ankara eikä hyväksy sitä vapautta ja suloista tuttavallisuutta, joiden tulisi vallita vanhempain ja heidän lastensa välillä. Ikäänkuin olisi arvannut hänen ajatuksensa, vapaaherra Ireneen kääntyen kysyi:

— Kuinka on, lapseni, oletko koskaan laulanut?

Hän oli puhuvinaan hellästi, mutta Haraldista se tuntui teeskennellyltä.

— Olen koettanut laulaa muutamia yksinkertaisia lauluja, sellaisia joita käy laulaminen kolmisointuisesti. Siinä kaikki.

Puhuessa Irene aluksi oli katsonut isäänsä, mutta pelosta siirtyi hänen katseensa muualle, ensin Haraldiin ja sitten pikku Ullaan.

Ääni, jonka Harald nyt ensi kerran kuuli, kuulosti hänestä ihmeen suloiselta. Olipa ikäänkuin hän äänestä olisi oppinut tuntemaan tuon helläluontoisen, viattoman ja haaveellisen olennon.

Herra v. Nit, joka tosin syötäessä oli lörpötellyt yhtä ja toista, mutta sittemmin istunut aivan ääneti, katsoi nyt sopivaksi puuttua puheeseen, vaikka hänen kielensä ei tahtonut oikein hyvin kääntyä suussa:

— Kuulepa, veli Henning… herra parooni kai olisi pitänyt sanomani, mutta mitäpä sillä väliä! Enkö minä hoksannut, että kotiopettaja myös voi olla soittoniekka? Enkö minä sillä kertaa taistellut koko seuraa vastaan, jonka mielestä puhuin pelkkää roskaa. Minä Ptolemaeus Seth von Nit sanoin, tiedättekös, näin: Ilmoita vain sanomalehdissä, ettei olisi vahingoksi, vaikka opettaja osaisi soittaakin ja voisi opettaa nuorta herraa… hm, hm… neiti Ireneä laulamaan ja säestämään pianolla. Tytöllä on hyvä ääni, olenpa usein kuullut hänen portaita juostessaan laulaa hyräilevän ja se on, jumala paratkoon, pehmittänyt syntisen sydämeni. Ja se onnistui; tänne on tullut nuori mies, joka, paitsi että hän on korkeasti oppinut ja toivottavasti hyväntapainen, myös pystyy tajuamaan soittoa ja vieläpä opettamaan sitä muillekin. Niinpä niin, sen minä sanon, että siihen herra pystyy, herra, joka on niin kovin tuon nuoruuden ystävän näköinen… hm, hm .. niin, mikä hänen nimensä taas olikaan?

Vapaaherra, joka naurahtaen oli kuunnellut tätä pitkää puhetta, nyrpisti sen lopulla alahuultansa ja loi von Nitiin vihaisen katseen, mikä vaikutti, että mies nousi tuoliltaan ja kumartaen poistui huoneesta. Hänen mentyään vapaaherra hymyili ja sanoi:

— Maisteri näkee, että meillä on talossa tuollainen vanha veitikka, joka silloin tällöin mielellään ottaa naukun, eikä aina osaa pitää suutansa kiinni. Tämä liiallinen lörpöttely on useinkin minua suututtanut, mutta koska hän nuoruuteni aikana on tehnyt minulle suuria palveluksia, olen päättänyt kärsiä hänen vikojaan… niin, minulla ei ole edes sydäntä kieltää häneltä väkijuomia. Olen tuuminut näin: koska miesparka on niihin niin mieltynyt, niin miksikä kieltäisin niitä häneltä? Ja nyt toivon maisterin ymmärtävän syyni.

Harald kumarsi myöntäen. Kamarijunkkari v. Assar kääntyi Irenen puoleen, pyytäen että hän vuorostansa soittaisi. Irene meni pianon luo ja valitsi nuottivihkojensa seasta erään, jota rupesi selailemaan, mutta pani sen jälleen pois, ikäänkuin olisi katsonut vääräksi pitää sitä avoinna, koska taisi nuotit ulkoa.

Kappale, jonka hän nyt soitti, oli Andante Triosta Op. 97, josta muuan

Beethovenin ihailijoista on sanonut, että sanat siihen ovat Göthen Faustissa.

Tapa, jolla hän soitti, lämmitti Haraldin sydäntä ja vahvisti käsitystä, jonka hän oli saanut, kuullessaan nuoren tytön puhuvan.

— Näytte eniten suosivan Beethovenia, koska aina soitatte hänen sävellyksiään, huomautti kamarijunkkari.

— Niin teenkin, vastasi Irene.

— Soittakaa meille jotain iloisempaa, se olisi kyllä tarpeen. Kello tulee pian kaksitoista, aaveitten aika.

Ja Irene soitti yhden Adamin kehnoimmista kappaleista.

Kamarijunkkari oli mielissään ja taputti käsiänsä.

Sitten erottiin ja Harald läksi ullakkokamariinsa. Portaitten ylipäässä vapaaherra saavutti hänet ja sanoi:

— Tästä saatte avaimen. Tahdon sanoa teille asian suoraan.

Kuten näette, tämä ovi vie ullakolle ja sitä paitse herra v. Nitin huoneeseen, joka on rakennuksen toisessa päädyssä. Nyt on herra v. Nit sellainen mies, että hän liiaksi ryypiskeltyään usein yöaikaan, jos hänelle on pistänyt jotain päähän, syöksyy huoneestaan ja alas portaita, mellakoiden ja herättäen koko talonväen, ja teitä hän kaiketikin tulisi eniten häiritsemään. Senvuoksi pyydän maisteria sekä oman itsenne että meidän takia tällä avaimella joka ilta lukitsemaan tämän pienen oven ja sitäpaitsi vetämään salvan eteen, se kun on samalla puolella kuin avainkin. Voisin kyllä itsekin sen tehdä, estääkseni v. Nitiä pääsemästä alas. Mutta olen heti tahtonut saada teidät kotiutumaan ja voisihan tapahtua, että joskus yöllä tai aamupuoleen tekisi mielenne pistäytyä herra v Nitin luona… täällähän, nähkääs, sanotaan kummittelevan… no, no, minä lasken vain leikkiä, ja saattaisihan teillä muutenkin olla syytä liikkua. Nuorella miehellä on usein kaikellaisia kummallisia päähänpistoja, niin että oma huone tuntuu hänestä liian ahtaalta. Mutta täällä teillä on tämä avara, sileälattiainen ullakko, jossa yönaikana saatte jaloitella. Mutta jättäen pilan siksensä, on kuitenkin totta, etten millään muotoa tahtoisi teljetä teitä huoneeseenne ja täällä teillä ainakin on tilaisuus liikkua vapaasti ylimmässä kerroksessa. Ainoa, joka ei pääse ulos, on herra v. Nit, mutta jos hänelle jotain sattuu, niin maisteri kai herää huudosta, niin että menee pelastamaan tuon vanhan pilkkakirveen.

Tultuaan kamariinsa alkoi Harald tarkemmin miettiä illan tapauksia. "Miksikähän vapaaherra on niin kohtelias minulle, onkohan se siitä syystä, että olen tuon nuoruudenystävän näköinen, vai lieneekö ulkomuotoni niin arvokas?" ajatteli hän itsekseen.

Harald oli tosin luonnostaan vakava, mutta samalla hiukan lapsellinenkin, joten ei ole ihmettelemistä, vaikka tällaiset ajatukset johtuivatkin hänen mieleensä.

Myöskin sitä hän ihmetteli, miksikä veltto ja kiltinnäköinen v. Nit oli noin teljettävä. Mutta samassa hänelle juolahti mieleen, ettei hän varmaankaan tiedä koko asiasta, ja jos hän joskus turhaan olikin yrittänyt päästä ulos, niin luultavasti hän jo aamulla oli sen unhoittanut.

Hänen viimeinen ajatuksensa oli Irene. Hän ei tiennyt mitenkä asianlaita oli, mutta hänestä tyttö tuntui hyvin onnettomalta. Ja. unissaan hän näki milloin Irenen, milloin Stellan ja lopulta molemmat yht'aikaa. He olivat istuvinaan nurmikolla, puistossa olevan hautakiven vieressä, ja itse hän istui kivellä, pitäen käsiään kumpaisenkin pään päällä. Hänestä tämä oli tuntuvinaan niin autuaalliselta, mutta pian häiritsi häntä vapaaherra, joka oli kurkistavinaan erään puun takaa. Ja siihen Harald heräsi.

Seuraavana päivänä pidettiin poikain tutkinto, jossa vapaaherra sekä molemmat toiset herrat olivat saapuvilla. Tämä tapahtui

Haraldin ehdotuksesta, koska hän vapaaherran läsnäollessa tahtoi ottaa selkoa oppilaittensa tiedoista, ennenkuin ryhtyi heitä opettamaan, voidakseen erotessaan osoittaa missä määrin he olivat hänen aikanansa edistyneet, aivan kuten talonvoutikin, näyttääksensä että tahtoo menetellä rehellisesti, toimeensa ryhtyessään yhdessä isännän kanssa tekee luettelon talon työkalustosta.

Ikäisikseen eivät pojat tiedoiltansa suinkaan olleet huonoimpia.

Puoleen vuoteen heillä tosin ei ollut ollut varsinaista opettajaa, mutta kuitenkin olivat he pitäneet muistissaan, mitä olivat oppineet, koska herra von Nit vapaaherran pyynnöstä tuontuostakin oli heidän kanssansa kerrannut, mitä he ennen olivat lukeneet.

Mutta lukijaamme ehkä liiaksikin kyllästyttäisi, jos me perinjuurin rupeaisimme selittämään kaikkia Haraldin opettajatoimeen kuuluvia yksityisseikkoja. Siinä kyllin, että hän pian oli siihen perehtynyt ja

toimitti iloisesti ja halukkaasti tehtävänsä sekä vapaaherran että oppilaittensa tyydytykseksi.

Itsestään selvää on, että laulutunnit olivat hänestä vieläkin hauskemmat. Vaikka hän ei noudattanutkaan mitään määrättyjä sääntöjä, oli hänellä kuitenkin oma keksimänsä suunnitelma, jota paremmin osasi sovittaa muita opettaessa, kuin milloin itse harjoitteli. Seurauksena oli kuitenkin, että Irene, jolla oli erinomaisen suuri taipumus soitantoon, ennen pitkää oli siihen niin perehtynyt, ettei enään olisi kaivannutkaan opetusta. Sitä hän ei kuitenkaan olisi itsellensäkään myöntänyt, kentiesi vaatimattomuudesta, hän kun ei ollenkaan tuntenut omaa etevyyttänsä, taikka ehkä senvuoksi, että laulutunnit olivat hänestä niin hauskat.

— Olisitteko hyvä ja antaisitte minulle sen laulun, jonka lauloitte ensi iltana, pyysi Irene erään laulutunnin päätyttyä.

— Kirjoitan mielelläni siihen nuotit, koska te pidätte siitä. Teen sen oikein kernaasti.

— Osaatteko siis omasta päästänne kirjoittaa nuotteja siihen, mitä te soitatte? Mikä tuon laulun nimi on?

— Yksinäisen tytön suru.

— Yksinäisen tytön suru! Sanat minä jotensakin hyvin muistan, mutta kirjoitattehan nekin minulle. Kuka on ne sepittänyt?

— Eräs ylioppilastoverini kirjoitti sen nimenomaan minulle, vaikka hän ei muuten vaadikaan runoilijan nimeä.

— Hän on ehkä iloinen ja onnellinen, vaikka kirjoittaakin sellaista. Sepä on kummallista! Tunteista ja mielikuvituksesta johtuu, että

voidaan asettua muiden tilalle. Mutta kuka on sepittänyt nuotin tuohon lauluun?

— Minä.

— Vai tekö, sanoi Irene, nyökäyttäen somasti ja kiitollisesti päätään.

Sitten hän uteliaasti katseli Haraldia. Lapsellinen kun oli, hän usein, mieltyessään johonkin soittokappaleeseen, olisi tahtonut tietää, millainen sen säveltäjä oikeastansa oli. Niinkuin kaikki, jotka ovat mieltyneet johonkin taiteeseen, ovat tottuneet kunnioittamaan tuon taiteen ylimyksiä, minkä kunnioittamisen syytä taiteeseen nähden välinpitämättömät henkilöt eivät käsitä eivätkä voi aavistaa, niin oli Irenekin ajatuksissaan kuvitellut, että säveltäjässä pitäisi olla jotakin erityistä, joka kohotti hänet muitten ihmisten yläpuolelle. Hänen mielestänsä! Harald tosin oli erilainen kuin muut, mutta tunne, minkä hän hänessä herätti, oli pikemmin se, että hän tunsi olevansa hänen kanssansa saman hengen lapsia. Ja ujosti häntä tarkastettuaan hän näytti ajattelevan: vai tuollainen se säveltäjä onkin!

Kamarijunkkari von Assar kierteli Ireneä niin innokkaasti ja uutterasti, että Harald alkoi epäillä hänellä olevan jonkun muunkin syyn viipymiseen Ristilässa kuin pelkkä terveydenhoito. Koska Harald ei ollut sellainen ihminen, joka läsnäolollaan olisi tahtonut estää kahta rakastavaa olemasta kahdenkesken, niin hän ei tunkeutunut heidän seuraansa, vaan jätti kernaasti sijansa v. Assarille, toivottaen hänelle hyvää menestystä. Ja olisi hänen erilläänpysymiseensä voinut olla toinenkin syy, se että hän vain oli kotiopettajana talossa ja v Assar sitä vastoin, joka oli aatelismies, aivan kuin kotonansa. Mutta sitä Harald ei tullut ajatelleeksikaan,

tahtoipa vain kaikin tavoin edistää v. Assarin hankkeita, kunnes ne onnistuisivat taikka hänelle annettaisiin rukkaset. Aivan varma asiasta Harald ei kuitenkaan ollut, sillä tapahtuuhan varsin usein, että nuoret miehet ilman vakavia aikomuksia juoksevat nuorten naisten perässä. Olipa asia miten tahansa, mutta ainakin hän pysytteli erillään.

Joskus kuitenkin tapahtui, että hän sattumalta joutui kahdenkesken Irenen kanssa.

Lupauksensa pitäen Harald hyvin usein kävi Ortmannin luona. Paitsi että tarpeeksi pitkä kävelymatka häntä virkistytti, oli hänelle mieluista nähdä, kuinka nopeasti Stella edistyi ja kuinka jalosti ja hellästi hänen vanhempi ystävänsä kohteli tyttöä. Tämä oli jo oppinut tuntemaan uskonnon totuuksia ja hänen näköpiirinsä oli kuudessa viikossa äärettömästi laajennut. Valtava virta oli vihdoinkin murtanut tokeensa.

Eräänä iltana — se oli heinäkuun viimeinen päivä — hän, palatessaan kappalaistalosta, tunsi sekä ruumiin että sielun puolesta olevansa tavallista virkeämpi ja astui reippaasti kotiin päin. Mutta puistoon tultuaan hän jäi katselemaan tuota harmaata linnaa, jonka nimen Stella oli antanut Ristilän kartanolle. Hän oli jo niin tottunut tähän paikkaan, ettei se enään tuntunut hänestä kamalalta. Mutta nyt — joko sitten sielu, ollessaan virkeimmillään, on alttiimpi ulkonaisille vaikutuksille, taikka lieneekö kirkonkellojen kumea ääni yht'äkkiä muuttanut hänen mielensä — ainakin hänestä nyt tuntui ikäänkuin tuo vanha kaksikerroksinen ja jyrkkäkattoinen päärakennus kaarevine ikkunoineen olisi kertonut hänelle niistä moninaisista suruista ja pahoista himoista, jotka vuosien kuluessa

olivat jäytäneet sen asukkaita, kaikista juonista ja vehkeistä, joita sieltä oli keksitty ja pantu toimeen. Tuntuipa hänestä ikäänkuin rakennus olisi ruvennut elämään, alkanut lähestyä häntä, ja hänen rintaansa ahdisti ikäänkuin painajainen olisi häntä vaivannut.

Mutta samoin kuin ne, jotka taistelevat kauheaa unennäköä vastaan ja ovat jo tukehtumaisillaan, mutta suurimmassa hädässään heräävät ja jälleen virkoavat, niin kävi Haraldinkin. Hän toipui ja, astuttuaan muutaman askeleen eteenpäin, katsahti ylös ja näki — Irenen.

Matkustaja, joka on eksynyt kolkkoon metsään ja joutunut jo vallan epätoivoon, mutta ennenkuin laskee väsyneen päänsä sammaltuneelle kivelle lepäämään, vielä yrittää astua muutaman askeleen ja äkkiä näkee edessään ihanan laakson ja siinä ihmisasumuksen… niin, kenelläpä on syytä iloita, ellei hänellä! Samoin Haraldillakin, hänen äkkiarvaamatta nähdessään Irenen.

Tämä istui Henrik Henningin hautakivellä ja hänen kädessään oli kokoonkääritty paperi.

Harald olisi tuskin voinut katkaista äänettömyyttä ja Irene puhuikin ensiksi.

— Tullessanne huomasin teidät. Näin teidän jäävän asuinrakennusta katselemaan, ikäänkuin olisitte sitä odottanut. Mitä te ajattelitte?

— En tiedä; en tainnut ajatella juuri mitään. Mutta nyt, nähdessäni teidät näin perin läheltä, nyt minä ajattelin… niin, enpä nytkään mitään ajatellut.

Turn static files into dynamic content formats.

Create a flipbook
Issuu converts static files into: digital portfolios, online yearbooks, online catalogs, digital photo albums and more. Sign up and create your flipbook.