[发明专利]一种神经系统影像交互信息处理系统及方法

说明书

本发明属于神经系统影像交互信息处理技术领域，公开了一种神经系统影像交互信息处理系统及方法，神经系统影像交互信息处理系统包括：神经影像采集模块、主控模块、影像增强模块、影像特征提取模块、影像压缩模块、影像分类模块、影像加密模块、影像存储模块、显示模块。本发明通过影像压缩模块大大提高了压缩效率，与现有仅对横断面序列进行视频压缩的方法相比，能发现神经影像数据在体积内或体积间上下、前后、左右方向上空间相关度或时间相关度最高的方向，进一步提高了压缩效率；采用高性能的标准视频编码器进行神经影像压缩，便于解码压缩后的神经影像数据，易于推广。

技术领域

本发明属于神经系统影像交互信息处理技术领域，尤其涉及一种神经系统影像交互信息处理系统及方法。

背景技术

神经系统(nervous system)是机体内对生理功能活动的调节起主导作用的系统，主要由神经组织组成，分为中枢神经系统和周围神经系统两大部分。中枢神经系统又包括脑和脊髓，周围神经系统包括脑神经和脊神经。中枢神经系统(centralnervoussystem＝CNS)是神经系统的主要部分，包括位于椎管内的脊髓和位于颅腔内的脑；其位置常在动物体的中轴，由明显的脑神经节、神经索或脑和脊髓以及它们之间的连接成分组成。在中枢神经系统内大量神经细胞聚集在一起，有机地构成网络或回路；其主要功能是传递、储存和加工信息，产生各种心理活动，支配与控制动物的全部行为。然而，现有神经影像压缩算法无法正确重建原始影像，可能导致错误诊断或分析；同时，对神经影像的分类准确性差。

针对高维医学影像的无损压缩方法主要分为基于小波变换的方法和基于预测编码的方法。前者利用离散小波变换去除数据冗余，如基于JPEG2000、3D-JPEG2000、4D-JPEG2000的医学影像压缩方法；后者利用MC(Motion Compensation，运动补偿)或DPCM(Differential Pulse Code Modulation，差分脉冲编码调制)去除层内、层间或体积间的数据相关性，如基于H.264/AVC、HEVC视频编码标准的医学影像压缩方法。大量测试结果表明，基于预测编码的方法比基于小波变换的方法具有更高的压缩性能。

Sanchez等人(V.Sanchez,P.Nasiopoulos,R.Abugharbieh.Efficient losslesscompression of4-D medical images based on the advanced video coding scheme,IEEE Transactions on Information Technology in Biomedicine.vol.12,no.4,pp.442-446,July 2008.)提出了一种基于H.264/AVC视频编码标准的四维医学影像压缩方法。该方法通过将H.264/AVC的多参考帧运动补偿技术引入空间维度与时间维度的层间预测之中，有效地去除了各维度的数据冗余，与基于小波变换的方法相比，大幅提高了压缩效率。

Sanchez等人(V.Sanchez,P.Nasiopoulos,R.Abugharbieh.Novel losslessfMRI image compression based on motion compensation and customized entropycoding,IEEE Transactions on Information Technology in Biomedicine.vol.13,no.4,pp.645-655,July 2009.)对上述基于H.264/AVC多参考帧运动补偿技术的医学影像无损压缩方法进行了改进，提出了一种用于功能性磁共振影像的无损压缩算法。通过引入4-D运动搜索、可变尺寸块匹配和双向预测机制，进一步降低了空间维度与时间维度的数据冗余。根据残差数据和运动矢量数据的统计特性，设计了适于对此类数据进行熵编码的上下文自适应二进制算数编码器，进一步提高了编码性能。

虽然上述基于视频编码标准的医学影像无损压缩方法具有优秀的压缩性能，但仍然存在以下问题：