[发明专利]基于人工神经网络的医学图像兴趣区自动识别和分级压缩方法

权利要求书

1.基于人工神经网络的医学图像兴趣区自动识别和分级压缩方法，其特征在于：

由以下步骤实现：

步骤一：对医学数字影像即DICOM影像进行预处理，包括消除背景噪声、窗/水平调整和直方图均衡化处理，及运用基于栅格搜索和哈夫变换的边缘检测算法，识别人体组织轮廓，确定人体内部组织和表皮肌肉的界限；

步骤二：通过应用带通滤波器和小波滤波器算法，对步骤一分割出来的组织影像进行多次叠加运算, 强化图像特征，识别兴趣区；然后提取兴趣区特征值，并根据特征值信息，应用人工神经网络方法进行分类，确定兴趣区和相应的级别；

步骤三：根据当前网络带宽条件以及医生对网络传输效果的要求，对步骤二确定的兴趣区和非感兴趣区按照不同级别采用不同的压缩方式。

2.根据权利要求1所述的基于人工神经网络的医学图像兴趣区自动识别和分级压缩方法，其特征在于：

步骤一中所述的预处理是指去除图像边缘的白道、人为加注的图像信息、无关的噪音数据和人体组织轮廓以外的空气背景。

3.根据权利要求1或2所述的基于人工神经网络的医学图像兴趣区自动识别和分级压缩方法，其特征在于：

步骤二中所述的特征值为兴趣区图像的密度、形态、纹理、位置和距离信息。

4.根据权利要求3所述的基于人工神经网络的医学图像兴趣区自动识别和分级压缩方法，其特征在于：

所述的步骤三中，根据当前网络带宽条件包括宽带、无线、拨号的上网方式以及当前网速，医生对网络传输效果的要求包括每幅图包含兴趣区的数目和压缩方式即快速压缩、适当压缩或精确压缩，按兴趣区和非感兴趣区的不同级别采用不同的压缩方式生成TIFF图像；

对步骤三确定的兴趣区应用LZW编码无损压缩；

对包括兴趣区和非感兴趣区域的整图采用相应不同压缩比例的JPEG有损压缩。