[发明专利]一种医学影像的检索与压缩方法

摘要

本发明公开了一种医学影像的检索与压缩方法，包括以下步骤:步骤101,对医学影像进行检索；步骤201，对步骤101得到的每幅图像进行压缩；步骤301，将步骤101和步骤201的程序导入单片机的RAM中，在所述的单片机中插有5G网络通信技术的芯片，以借助5G网络进行传输，所述的单片机具有USB接口，以插在医院电脑的主机上，实现医学影像的检索与压缩以及不同医院间的资源共享。通过本方法可以实现医学影像的检索与压缩。通过单片机来包装医学影像检索与压缩的软件，并采用5G网络通信技术进行传输，实现不同医院间的医学影像信息传输，从而达到医疗资源共享。

主权项

1.一种医学影像的检索与压缩方法，其特征在于包括以下步骤：/n步骤101，对医学影像进行检索：/n步骤一、将由多幅医学图像构成的图像数据集中的每一幅医学图像进行预处理，步骤如下：/n第一步，通过计算机程序将Dicom格式的医学图像转换为jpg格式，将医学图像分辨率大小转换为224x224；/n第二步，通过计算机视觉库Opencv将单通道的医学图像转换为三通道图像；/n步骤二、对预处理过的图像数据集进行处理构建图像特征库，具体步骤为：/n第一步，在Python3.6的Spyder编辑器中搭建DenseNet模型；/n第二步，将预处理过的图像数据集划分为训练集和测试集，其中70％的三通道图像数据作为训练集，然后使用BN算法对输入DenseNet网络模型的神经元做归一化处理作为输入DenseNet网络模型的神经元，用训练集对DenseNet模型进行训练优化，并用测试集进行DenseNet网络模型的测试；对DenseNet网络模型进行训练时，其中对DenseNet网络模型的损失函数的优化采用RMSProp算法；/n第三步，将图像数据集中的每一幅图像输入训练优化后的DenseNet模型，然后提取DenseNet模型最后一个池化层的输出作为每一幅图像的特征，构建形成图像数据集的图像特征库；/n步骤三、使用KPCA投影方法对图像特征库中数据分别进行降维处理；/n步骤四、对KPCA投影处理后的每一幅图像的图像特征数据分别进行KSH编码，得到图像特征的哈希码库；/n步骤五、在优化好的DenseNet模型中输入一幅待检索图像，然后提取DenseNet模型最后一个池化层的输出作为待检索图像的特征，再使用KPCA投影方法对待检索图像的特征数据进行降维处理，并对降维处理后的待检索图像的特征数据进行KSH编码，得到待检索图像的哈希码，比较待检索图像的哈希码与哈希码库的汉明距离，进行相似性度量，将与待检索图像的汉明距离在设定范围内的哈希码库中的图像按照距离依次增大的顺序排列并作为检索结果保存；/n步骤201，对步骤101得到的每幅图像进行压缩，包括以下步骤：/n步骤一、首先对检索得到的每幅图像进行Canny边缘检测，提取图像的高频信息；/n步骤二、对Canny边缘检测提取的图像高频信息进行Huffman编码，再对得到的码流进行Huffman解码，得到边缘重构图像；/n步骤三、对检索得到的图像进行小波分解，分解级数为5级，对小波系数进行SPIHT编码，再对码流进行Huffman编码，得到优化后的压缩码流，再对优化后的压缩码流依次经过Huffman解码、SPIHT解码和小波逆变换得到一幅对高频信息有所损失的重构图像；/n步骤四、将步骤201中的步骤二得到边缘重构图像和步骤三得到的对高频信息有所损失的重构图像相加，恢复得到原图像；/n步骤301，将步骤101和步骤201的程序导入单片机的RAM中，在所述的单片机中插有5G网络通信技术的芯片，以借助5G网络进行传输，所述的单片机具有USB接口，以插在医院电脑的主机上，实现医学影像的检索与压缩以及不同医院间的资源共享。/n