[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

说明书

技术领域

本发明涉及医学图像的处理方法，具体涉及一种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。

背景技术

数字化健康诊断系统是实现医疗单位数字化、网络化的重要组成部分。现有的远程医疗诊断系统，往往依赖于特定的硬件系统，将病人信息如病历、医学图片通过文件或视频方式进行远程传输，往往需要医生通过网络进行实时会诊，对诊断的医生要求高，而病人信息如传递的医学图像，由于医学图像文件一般较大，受带宽等因素限制，传输速度慢，效果不好，也影响了诊断质量。

目前的医学图像压缩技术，虽然有提出对兴趣区（ROI）和非兴趣区域采用不同的压缩方法以提高传输效率，但是主要的问题是，需要医生通过人工交互界面来确定兴趣区，受医生经验、单位人力资源条件和主观因素等限制，缺乏固定的标准来衡量兴趣区的准确性。

发明内容

本发明的目的是提供一种能对医学图像进行有效压缩并提高医学图像文件传输速度的的医学图像兴趣区自动识别和分级压缩方法，通过基于人工神经网络的图像处理方法来自动识别兴趣区和分级，从而实现对兴趣区（ROI）和非兴趣区域不同级别采用不同的压缩方法，达到提高远程医疗的诊疗效率和诊疗质量的双重目的。

本发明所采用的技术方案是：

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。

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。

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。

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。

本发明具有以下优点：

（1）本发明对医学图像文件进行降噪处理，并将病灶所在的兴趣区图像的特征进行强化，不仅使图像文件大幅变小，提高了传输速率，还保留了图像中用于诊疗的有效必要信息，便于医生阅读。

（2）患者可在社区医疗中心、体检中心或医学图像中心，利用当地设备采集数据，并通过有线网或无线网络传输数据到远程处理中心，获得专业分析结果，无需再到城市中心医院挂号、排队。

（3）医疗单位不用购买昂贵的远程医疗专用设备，可以利用通用的计算机硬件和网络，在边远乡村可以只需要一台带有无线网卡的笔记本或一部TD物联网终端，就可以利用先进的网络技术，获得专业的诊断结果。而实施远程诊断的医生无需投入额外的时间如与病人实时会谈、多人重复读片及会诊，通过智能算法的自动分析和网络的调度，可以大大减轻医生的工作量，有效降低了医疗运行成本，并提升了医疗技术服务水平。

（4）现行的体检由于缺乏精确有效的技术和相关领域的专家，往往限制了其预防治疗的效果。本技术将有利于促进医疗检查成本的降低，普及常规性体检。随着医学远程诊断技术的提高，每年例行体检将成为预防治疗的重要手段，为很多重大疾病消灭在早期提供保障，实现预防治疗的先进理念，提高群众的健康生活水平。

附图说明

图1为本发明的步骤流程图。

图2为4个具有不同标准差的高斯卷积算子构成的带通滤波器。

图3为人工神经网络向后传播算法的算法设计图。

图4为待处理影像原图。

图5为待处理影像原图的直方图曲线。

图6为优化处理后的影像图。

图7为优化处理后的影像图的直方图曲线。