论文部分内容阅读
随着移动互联网技术高速发展,通过移动医疗系统解决就医难的问题成为不可逆转的趋势。在移动医疗系统中,移动医疗终端与医疗业务服务器之间存在大量医学影像的交互,医学影像成为PACS系统获取、存储和管理的主要数据,在医学诊断中起到至关重要的作用。然而医学影像种类多数据量大,给存储和传输带来很大负担,占据大量的存储空间和传输带宽。 针对上述情况,医学界对图像进行无损压缩处理,以免丢失医学证据,但压缩比有限。采用有损压缩算法,压缩比大,但可能损失医学诊断数据,引起医学纠纷。综合上述情形,本文针对CT图像进行感兴趣区域压缩研究,提出完全自动、准确检测感兴趣区域的ROI压缩方法。首先对CT图像进行特征分析,定义感兴趣区域,基于图像分割原理提取感兴趣区域,采用MAXSHIFT算法对图像数据进行层级变换,完全区分ROI和BG,基于DWT和EBCOT对ROI和BG区域分别进行独立量化编码。对医学影像ROI区域无损或轻度有损压缩,对BG区域深度有损压缩,有损压缩图像同时保留诊断信息。 CT图像经过ROI压缩处理后,需要进行压缩质量评估,本研究对客观质量评估方法对比分析研究。从一般图像压缩角度,采用PSNR评估图像压缩效果。轮廓变换对图像数据进行方向性和各向异性描述,捕捉图像不连续点,并结合人眼视觉系统对比度敏感函数模型基于轮廓变换计算SSIM,更接近人眼视觉特性。从人眼视觉角度,采用基于轮廓变化相似度指数矩阵(CT-SSIM),对ROI图像进行质量评估,最终证明本研究提出的基于图像分割原理提取感兴趣区域的ROI压缩质量更好。