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

摘要

本发明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。数字诊断系统中的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。本发明对医学数字影像进行除噪处理，识别人体组织轮廓，对组织影像进行多次叠加运算,强化兴趣区的图像特征，提取特征值，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，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。本发明不仅使医学图像文件大幅变小，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，可运用到数字诊断系统和远程医疗系统中，提高诊疗效率和效果。

主权项

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。