CN116779114A - 一种抗肿瘤医疗mri图像信息智能管理*** - Google Patents
一种抗肿瘤医疗mri图像信息智能管理*** Download PDFInfo
- Publication number
- CN116779114A CN116779114A CN202311070110.0A CN202311070110A CN116779114A CN 116779114 A CN116779114 A CN 116779114A CN 202311070110 A CN202311070110 A CN 202311070110A CN 116779114 A CN116779114 A CN 116779114A
- Authority
- CN
- China
- Prior art keywords
- row
- interval
- line
- sequence
- background
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000000259 anti-tumor effect Effects 0.000 title claims abstract description 26
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 69
- 238000007906 compression Methods 0.000 claims abstract description 28
- 230000006835 compression Effects 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims description 49
- 238000000034 method Methods 0.000 claims description 20
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 14
- 238000002595 magnetic resonance imaging Methods 0.000 description 67
- 238000007726 management method Methods 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 8
- 238000012512 characterization method Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明涉及医疗信息压缩技术领域,具体涉及一种抗肿瘤医疗MRI图像信息智能管理***。本发明通过对肿瘤MRI图像的每行进行标号,根据每行中像素点的像素值分布情况,通过预设灰度级区间获得每行的行区间,根据像素点占比和行区间数量筛选出背景行,获取背景行的行序列;根据行区间对应像素点的像素值的波动情况获得差异序号,根据差异序号对应像素点的分布获得位置序列,根据每个非背景行的行标号,行区间和差异序号的位置序列综合表征非背景行的像素排布,获得行序列;最终根据肿瘤MRI图像所有行序列进行编码压缩存储。本发明通过对像素点排布情况分析,在保证图像信息完整性的同时提高压缩效果,减少存储空间。
Description
技术领域
本发明涉及医疗信息压缩技术领域,具体涉及一种抗肿瘤医疗MRI图像信息智能管理***。
背景技术
随着医疗信息技术的发展,医疗信息管理逐渐得到广泛应用,抗肿瘤医疗信息管理便是其中之一。抗肿瘤医疗信息管理是一种通过对患者肿瘤病历、影像数据、病理学数据等进行采集、存储、处理和分析的医疗信息技术。影像数据包括多种类型,磁共振成像,也即MRI,便是其中重要的类型之一,相较于CT扫描成像MRI能够提供更加详细、精准的肿瘤信息,因此对MRI图像的管理优化需要更多关注。
在对MRI图像进行压缩存储时,多采用游程编码进行压缩,可以减少冗余数据的存储占用,且适用于重复数据多的医疗影像的压缩存储,但由于MRI图像中像素值的随机性较高,像素连续性并不明显,使得对于MRI图像中的信息压缩效果并不理想,存储占用空间依旧较大。
发明内容
为了解决现有技术中对于MRI图像中的信息压缩效果并不理想,存储占用空间依旧较大技术问题,本发明的目的在于提供一种抗肿瘤医疗MRI图像信息智能管理***,所采用的技术方案具体如下:
本发明提供了一种抗肿瘤医疗MRI图像信息智能管理***,所述***包括:
数据获取模块,用于获取肿瘤MRI图像;对肿瘤MRI图像中的行按顺序进行标号,获得每行的行标号;
背景行序列获取模块,用于根据每行中像素点的像素值在预设灰度级区间中分布情况,获得每行对应的行区间;根据行区间的数量以及行区间中像素点在每行像素点的占比筛选出背景行;根据背景行的行标号和行区间获得背景行的行序列;
非背景行序列获取模块,用于在每个非背景行中,根据行区间中每个像素点的像素值波动情况,获得行区间的差异序号;根据每个差异序号对应像素点在非背景行中的位置分布情况以及对应像素点的数量,获得每个差异序号的位置序列;根据每个非背景行对应的行标号、行区间和差异序号的位置序列获得每个非背景行的行序列;
编码压缩模块,用于根据肿瘤MRI图像对应的所有行序列进行无损编码,获得肿瘤MRI图像的图像编码;对图像编码进行压缩存储。
进一步地,所述背景行的确定方法包括:
对于肿瘤MRI图像中的任意一行,计算该行中对应像素点最多的行区间的像素点数量,作为最大区间像素点数量;将最大区间像素点数量与该行像素点总数量的比值作为像素占比;
当像素占比大于预设占比阈值且该行的行区间数量小于或等于预设区间数量时,将该行作为背景行。
进一步地,所述背景行的行序列的获取方法包括:
将背景行对应最大区间像素点数量的行区间作为背景行的代表区间;将代表区间的中心值作为代表区间的代表区间标号;
将背景行对应的行标号、代表区间标号、背景行像素点总数量和预设行符号依次排列,获得背景行的行序列。
进一步地,所述差异序号的获取方法包括:
将每个行区间的中心值作为每个行区间的区间标号,所有区间标号的位数与区间标号的最大位数相同;对于肿瘤MRI图像中的任意一个非背景行的行区间,计算该行区间对应每个像素点的像素值与该行区间的区间标号之间的差值绝对值,获得每个像素点的偏离值;
当该行区间对应像素点的像素值大于该行区间的区间标号时,将预设正编码值与对应像素点的偏离值按顺序排列组合的数据作为对应像素点的差异序号;当该行区间对应像素点的像素值小于或等于该行区间的区间标号时,将预设负编码值与对应像素点的偏离值按顺序排列组合的数据作为对应像素点的差异序号;由该行区间中每个像素点的差异序号,得到该行区间的差异序号,该行区间对应的每个差异序号均不重复。
进一步地,所述位置序列的获取方法包括:
对于任意一个差异序号,将该差异序号对应的像素点作为检测点,获取所在非背景行中第一个检测点的位置信息;除第一个检测点外,将其他每个检测点与前一个检测点之间的距离作为每个检测点的相对位置信息;位置信息和相对位置信息的位数均与所在非背景行的像素点总数的位数相同;
将该差异序号的位置信息与相对位置信息按预设方向上的顺序依次排列,获得该差异序号的位置序列。
进一步地,所述非背景行的行序列的获取方法包括:
对于肿瘤MRI图像中的任意一个非背景行,根据该非背景行中行区间对应像素点的数量从多至少将所有行区间排序;在每个行区间中,根据差异序号对应像素点的数量从多至少将所有差异序号排序;
将每个差异序号、差异序号对应像素点的数量、差异序号对应位置序列和预设分割符依次排列构成每个差异序号的差异序列,差异序号对应像素点的数量的位数与所在非背景行的像素点总数量的位数相同;
将每个行区间的区间标号和排序后所有差异序号的差异序列依次排列,获得每个行区间的区间序列;当行区间为所在非背景行中的第一个行区间时,将行区间对应第一个差异序号的差异序列中的位置序列删除;
将该非背景行的行标号,排序后所有行区间的区间序列和预设行符号依次排列,获得该非背景行的行序列。
进一步地,所述根据肿瘤MRI图像所有行序列进行无损编码,获得肿瘤MRI图像的图像编码,包括:
将肿瘤MRI图像所有行序列依次排列,获得肿瘤MRI图像的图像序列,对图像序列采用霍夫曼编码,获得肿瘤MRI图像的图像编码。
进一步地,所述位置信息的获取方法包括:
在检测点所在非背景行的预设方向上,将检测点前所有像素点数量总和加上数值一的值作为检测点的位置信息。
进一步地,所述行标号的获取方法包括:
获取肿瘤MRI图像的行数,将行数的位数作为肿瘤MRI图像的行位数;将所有行按预设排列顺序进行标号,获得行标号,所述行标号的位数与行位数相同。
进一步地,所述行区间的获取方法为:
对于肿瘤MRI图像中的任意一行,当预设灰度级区间内存在该行中像素点的像素值时,将对应的预设灰度级区间作为该行的行区间。
本发明具有如下有益效果:
本发明通过对肿瘤MRI图像的每行进行标号,根据每行中像素点的像素值分布情况,通过预设灰度级区间对每行像素点初步表征,考虑到肿瘤MRI图像中图像信息仅在部分区域的特征,根据像素点占比和行区间数量筛选出背景行,对不具有图像信息的背景行先获取行序列,提高数据冗余度。进一步通过对每个行区间继续分析每类像素值的分布情况,即根据行区间对应像素点的像素值的波动情况获得差异序号,差异序号可以进一步对每一种像素值的分布进行表征,且对每个行区间均进行相同拆分分析可以减小数据的复杂性,以便提高压缩效果,根据差异序号对应像素点的分布获得位置序列,根据每个非背景行的行标号,行区间和差异序号的位置序列综合表征非背景行的像素排布,获得行序列。最终根据肿瘤MRI图像所有行序列进行编码压缩存储,通过对像素点排布情况分析,根据像素点分布的行区间不断拆分表示像素点具体的位置分布,增加了数据的冗余度,在保证图像信息完整性的同时提高压缩效果,减少存储空间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种抗肿瘤医疗MRI图像信息智能管理***结构图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种抗肿瘤医疗MRI图像信息智能管理***,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种抗肿瘤医疗MRI图像信息智能管理***的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种抗肿瘤医疗MRI图像信息智能管理***结构图,该一种抗肿瘤医疗MRI图像信息智能管理***包括数据获取模块101,背景行序列获取模块102,非背景行序列获取模块103,编码压缩模块104。
数据获取模块101,用于获取肿瘤MRI图像;对肿瘤MRI图像中的行按顺序进行标号,获得每行的行标号。
抗肿瘤医疗信息中包含肿瘤MRI图像,在对抗肿瘤医疗信息进行存储时,图像的压缩存储通常占比较大,使存储空间占用严重,为了使图像编码后压缩效果更优,通过对肿瘤MRI图像重新编码以增大冗余,提高压缩效率。肿瘤MRI图像属于磁共振图像,图像中的像素点的像素值即为灰度值,为了更好的根据像素点像素值进行编码,对肿瘤MRI图像进行预处理,后续分析的肿瘤MRI图像均为预处理后的肿瘤MRI图像,在本发明实施例中,图像预处理过程为本领域技术人员熟知的技术手段,例如中值滤波进行滤波等,在此不做赘述。
在本发明中通过对肿瘤MRI图像中每行像素点的排布情况进行编码,因此优选地,获取肿瘤MRI图像的行数,将行数的位数作为肿瘤MRI图像的行位数,其中,行数为肿瘤MRI图像的总行数,举例而言,当肿瘤MRI图像共有20000行,则行数为20000,而20000的位数为5位,则行位数为5。
将所有行按预设排列顺序进行标号,获得行标号,行标号的位数与行位数相同。在本发明实施例中,预设排列顺序为所有行从上至下的顺序,进行标号获得行标号后,若行标号的位数不足行位数时,对每个行标号进行向前补零,使行标号的位数与行位数相同。举例而言,对于行数为20000,行位数为5的图像,当行的位置处于第1500行时,位数为4不足行位数,则向前补零,对应行的行标号为01500,当行的位置处于第50行时,位数为2不足行位数,则向前补零,对应行的行标号为00050。
在完成对每行的标号后,继续对每行中的像素点分布进行分析,获得每行的行序列进行编码,增大冗余。
背景行序列获取模块102,用于根据每行中像素点的像素值在预设灰度级区间中分布情况,获得每行对应的行区间;根据行区间的数量以及行区间中像素点在每行像素点的占比筛选出背景行;根据背景行的行标号和行区间获得背景行的行序列。
首先对每行中的像素点分区分析,对于像素值相近的像素点进行统一排序,以减小数据的混乱性。在本发明实施例中,通过预设灰度级区间进行像素点的像素值分布分析,其中预设灰度级区间为,将[0-255]的256个灰度级按照每11个灰度级作为一个灰度级区间,最后剩余的灰度级作为最后的灰度级区间,预设灰度级区间为[0,10],[11,21],[22,32],[33,43]...[220,230],[231,241],[242,252],[253,255]。
进一步地,根据每行中像素点的像素值在预设灰度级区间中分布情况,获得每行对应的行区间,对每行像素点的像素值分布进行区域的划分,分区间对像素点分析,优选地,对于任意一行,当预设灰度级区间内存在该行中像素点的像素值时,将对应的预设灰度级区间作为该行的行区间。
举例而言,一行中共有像素点10000个,该行中像素点的像素值分布在预设灰度级区间中的灰度级区间有[33,43],[44,54],[55,65],[77,87],[121,131],[154,164]。则[33,43],[44,54],[55,65],[77,87],[121,131],[154,164]为该行的行区间。同时每个行区间对应一个以上的像素点,例如[154,164]行区间对应的像素点的像素值有154,154,160,156,154,154,158,162,154,154,[154,164]行区间对应的像素点数量为10。
根据像素点的像素值分布情况可以进一步提高对重复像素值的编码,提高压缩效果,由于在肿瘤MRI图像中,背景部分不具有信息价值,因此可以对背景进一步压缩,由于背景部分也可能存在部分灰度值有变化的部分,因此通过根据行区间的数量以及行区间中像素点在每行像素点的占比筛选出背景行。
优选地,对于肿瘤MRI图像中的任意一行,计算该行中对应像素点最多的行区间的像素点数量,获得最大区间像素点数量,举例而言,当行像素点总数为1000时,该行对应的行区间为[11,21],[22,32]和[33,43],三个行区间对应的像素点数量分别为960,30,10,则最大区间像素点数量为960。
将最大区间像素点数量与该行像素点总数量的占比作为像素占比,当像素占比大于预设占比阈值且该行的行区间数量小于或等于预设区间数量时,将该行作为背景行。在本发明实施例中,预设占比阈值为0.95,预设区间数量为3,具体数值实施者可根据具体情况进行调整,当像素占比大于预设占比阈值时,说明像素点在所在行中的分布较广,根据肿瘤MRI图像的特点,背景部分像素点通常占比较大,因此当像素占比超过阈值时,该行越可能为仅具有背景部分的区域,但为了防止部分具有信息的像素点被作为背景部分,对行区间的数量也进行限定,当行区间数量小于或等于预设区间数量时,说明像素点的像素值分布较为集中,为背景部分的可能性极大,因此当像素占比和行区间数量均满足条件时,该行作为背景行。
举例而言,当行像素点总数为1000,该行对应的行区间为[11,21],[22,32]和[33,43],三个行区间对应的像素点数量分别为960,30,10,像素占比为0.96,大于0.95,行区间数量为3等于预设区间数量,因此该行为背景行。
进一步根据背景行的行标号和行区间获得背景行的行序列,通过行序列可以表征行像素点的分布排列情况。优选地,将背景行对应最大区间像素点数量的行区间作为背景行的代表区间,将代表区间的中心值作为代表区间的代表区间标号,通过将代表区间标号可以对背景行的像素值进行有损表征,进一步提高像素重复性,提高压缩效率,例如对于上述举例中的背景行,其代表区间为[11,21],代表区间标号为16。
最终将背景行对应的行标号,代表区间标号和背景行像素点总数量构成的序列作为背景行的行序列。在本发明实施例中,将行标号,代表区间标号,背景行像素点总数量和预设行符号依次排列,获得背景行的行序列,预设行符号设置为。举例而言,背景行的行标号为00050,代表区间标号为16,背景行像素点总数量为10000,则该背景行的行序列为[000501610000/>]。统一位数不仅仅便于表征每个数据,更使得解码时可以直接根据位数进行划分,减少分割符号在编码压缩存储时的占用空间,后续统一位数的作用均相同。
至此,完成对肿瘤MRI图像中背景部分的初步分析,对背景行的像素分布表征,以便后续完成有损压缩。
非背景行序列获取模块103,用于在每个非背景行中,根据行区间对应每个像素点的像素值波动情况,获得行区间的差异序号;根据每个差异序号对应像素点在非背景行中的位置分布情况以及对应像素点的数量,获得每个差异序号的位置序列;根据每个非背景行对应的行标号,行区间和差异序号的位置序列获得每个非背景行的行序列。
完成对背景行的分析后,非背景行中像素点的分布信息需要完整表征以保证图像信息的完整性。在每个非背景行中,行区间对应像素点的像素值也存在一定的差异,首先对每个行区间中所有像素点进行表征。
根据行区间对应每个像素点的像素值波动情况,获得行区间的差异序号,每个差异序号可以表征一中像素值,由于整个区间的表征效果不佳,因此优选地,将每个行区间的中心值作为每个行区间的区间标号,通过区间标号表征像素点所在区间,根据区间标号也方便对区间中每个像素点进行表征,且为了便于后续表征的统一性,所有区间标号的位数与区间标号的最大位数相同。举例而言,区间标号的最大位数为3位,则所有区间标号的位数均为3位,区间[0,10]的区间标号为005,区间[66,76]的区间标号为071,区间[132,142]的区间标号为137,区间[253,255]的区间标号为254。
对于肿瘤MRI图像中的任意一个非背景行的行区间,计算该行区间对应每个像素点的像素值与该行区间的区间标号之间的差值绝对值,获得像素点的偏离值,通过偏离值可以反映每个像素点对应像素值的波动程度,在每个区间中,由于区间的大小均为相同大小,区间中像素点的偏离值也具有极高的重复性,可增加编码的冗余度。
考虑到区间标号为中心值,像素值与中心值存在偏离正负的情况,即有大于区间标号的像素值和小于区间标号的像素值,这些像素值应当区分开来,获得可以表征每个像素值的差异序号,优选地,当该行区间对应像素点的像素值大于该行区间的区间标号时,将预设正编码值与对应像素点的偏离值按顺序排列组合的数据作为对应像素点的差异序号,当该行区间对应像素点的像素值小于或等于该行区间的区间标号时,将预设负编码值与对应像素点的偏离值按顺序排列组合的数据作为对应像素点的差异序号。最终由该行区间中每个像素点的差异序号,得到该行区间的差异序号,该行区间对应的每个差异序号均不重复。
在本发明实施例中,预设正编码值为1,预设负编码值为0,通过正负编码值反映像素值与区间标号的加减情况。举例而言,对于区间标号为159的行区间来说,对应的行区间为[154,164],对应像素点有154,154,160,156,154,154,158,162,154,154,则每个像素点对应偏离值大小为5,5,1,3,5,5,1,3,5,5,考虑与区域标号的大小情况为-5,-5,+1,-3,-5,-5,-1,+3,-5,-5,则与预设正编码值和负编码值排列组合后,获得每个像素点的差异序号为05,05,11,03,05,05,01,13,05,05,则该行区间对应的差异序号有05,11,03,01,13。
由于每个区间的大小相同,区间标号的选取方法相同,因此通过差异序号表征可以增加数据表征的重复性,提高压缩效率。每个行区间对应一个以上的差异序号,一个差异序号对应一个以上的像素点,通过不断拆分表征,即增加了重复数据,也将不同像素点区分出来。
进一步对每个差异序号的像素点具***置分布进行分析,根据每个差异序号对应像素点在非背景行中的位置分布情况以及对应像素点的数量,获得每个差异序号的位置序列,通过位置序列对每个像素点的位置进行详细表征。
优选地,对于任意一个差异序号,将该差异序号对应的像素点作为检测点,获取该差异序号所在非背景行预设方向上第一个检测点的位置信息,首先确定像素点分布的起始点位置,除第一个检测点外,将其他每个检测点与前一个检测点之间的距离作为每个检测点的相对位置信息,相对位置信息表征为第一个检测点后续每个检测点与前一个检测点的步长,为了方便统一表征,位置信息和相对位置信息的位数均与所在非背景行的像素点总数的位数相同。在本发明实施例中,检测点的位置信息的获取方法为,在检测点所在非背景行的预设方向上,将检测点前所有像素点数量总和加上数值一的值作为检测点的位置信息,预设方向为从左至右的方向。检测点之间的距离通过两个检测点之间的位置信息的差异获得。
举例而言,对于上述举例的差异序号为05的像素点,即检测点,共计6个,当非背景行的像素点总数为10000时,第一个检测点的位置信息为00035,表示为第一个检测点在非背景行中第35个像素点的位置,第一个检测点前有34个像素点。第二个检测点的相对位置信息为00120,表示为第二个检测点距离第一个检测点之间的距离为120个像素点,第三个检测点的相对位置信息为00001,表示为第三个检测点与第二个检测点之间的距离为1个像素点。
进一步地,将该差异序号的位置信息与相对位置信息按预设方向上的顺序排列构成的序列,作为该差异序号的位置序列。通过位置序列表征每个像素点的具体分布情况,举例而言,对于上述举例中的差异序号为05,共计6个像素点的情况下,从左至右第一个检测点的位置信息为00035,第二个检测点的相对位置信息为00120,第三个检测点的相对位置信息为00001,第四个检测点的相对位置信息为00015,第五个检测点的相对位置信息为00005,第六个检测点的相对位置信息为00035,该差异序号的位置序列为[000350012000001000150000500035]。
对每个非背景行不断的拆分分析后,从行区间到差异序号再到位置序列,可以完成对所有像素点的表征,因此根据每个非背景行对应的行标号,行区间和差异序号的位置序列获得每个非背景行的行序列,优选地,对于肿瘤MRI图像中的任意一个非背景行,根据该非背景行中行区间对应像素点的数量从多至少将所有行区间排序,在每个行区间中,根据差异序号对应像素点的数量从多至少将所有差异序号排序。
将每个差异序号的差异序号,差异序号对应像素点的数量,差异序号对应位置序列和预设分割符依次排列,获得每个差异序号的差异序列,差异序号对应像素点的数量的位数与所在非背景行的像素点总数量的位数相同。在本发明实施例中,预设分割符为,作用是分割每个差异序号避免解码困难,举例而言,对于上述举例中的差异序号为05的情况,差异序号对应像素点的数量为00006,则差异序号为05的差异序列为[0500006000350012000001000150000500035/>]。
将每个行区间的区间标号和排序后所有差异序号的差异序列依次排列,获得行区间的区间序列,具体排列方法与上述举例中的排列构成方法一致,即按照描述顺序依次排序,对行区间的区间序列构成进行文字描述,具体为区间标号+差异序号+差异序号对应像素点的数量+位置序列++差异序号+差异序号对应像素点的数量+位置序列+/>+...,在此不做具体举例。
当行区间为所在非背景行中的第一个行区间时,将行区间对应第一个差异序号的差异序列中的位置序列删除,由于第一个行区间为像素点占比最多的区间,且第一个差异序号为对应像素点数量最多的一种像素值情况,此时像素点的分布情况也较多,用位置序列表示的序列数据较多,但仅通过表征其他像素点的分布位置,剩余位置即为像素点分布最多的情况,因此可以省略非背景行排列后第一个行区间的第一个差异序号对应的位置序列,减少编码数据,进而提高压缩效果,节省储存空间。
最终,将该非背景行的行标号,排序后所有行区间的区间序列和预设行符号依次排列,获得该非背景行的行序列。对于每个行序列来说,其构成结构主要为行标号+区间标号+差异序号+差异序号对应像素点的数量++差异序号+差异序号对应像素点的数量+位置序列+/>+...+区间标号+差异序号+差异序号对应像素点的数量+位置序列+/>+差异序号+差异序号对应像素点的数量+位置序列+/>+...+/>。其中,差异序列为差异序号+差异序号对应像素点的数量+位置序列+/>。区间序列为区间号+差异序号+差异序号对应像素点的数量+位置序列+/>,第一个行区间的第一个差异序号的差异序列为差异序号+差异序号对应像素点的数量+/>。
至此,完成对所有行的像素分布情况的分析,获得肿瘤MRI图像中每一行的行序列。
编码压缩模块104,用于根据肿瘤MRI图像所有行序列进行无损编码,获得肿瘤MRI图像对应的图像编码;对图像编码进行压缩存储。
通过所有行序列表征了肿瘤MRI图像中的所有像素点的排列分布,进而可通过对所有行序列进行压缩,储存图像信息。在本发明实施例中,将肿瘤MRI图像所有行序列依次排列,获得肿瘤MRI图像的图像序列,通过图像序列表征了肿瘤MRI图像的图像信息。对图像序列采用霍夫曼编码,获得肿瘤MRI图像的图像编码,霍夫曼编码是一种用于无损数据压缩的编码方式,由于肿瘤MRI图像中的图像信息需要完整保存,因此选用无损编码的形式获得图像编码。
最终对图像编码进行压缩存储,在本发明实施例中,采用游程编码的压缩方式对图像编码进行压缩,对压缩后的数据进行存储,实现对抗肿瘤医疗信息的存储管理。需要说明的是,霍夫曼编码和游程编码压缩均为本领域技术人员熟知的技术手段,在此不做赘述。
综上,本发明通过对肿瘤MRI图像的每行进行标号,并根据每行中像素点的像素值分布情况,通过灰度级区间对每行像素点初步表征,考虑到肿瘤MRI图像中图像信息的完整性,筛选出无用的背景信息,即根据像素点占比和行区间数量筛选出背景行,对背景行先获取行序列。进一步通过对每个行区间继续拆分分析每类像素值的分布情况,即根据行区间对应像素点的像素值的波动情况,获得差异序号,差异序号可以对每一种像素值进行表征,且对每个行区间均进行相同分析可以减小数据的复杂性,以便提高压缩效果,对差异序号对应像素点分布进行表征获得位置序列,根据每个非背景行的行标号,行区间和差异序号的位置序列综合表征非背景行的像素排布获得行序列。最终根据肿瘤MRI图像所有行序列进行编码压缩存储,通过对像素分布情况分布,并根据分布区间拆分表示像素分布增加数据的冗余度,在保证图像信息完整性的同时提高压缩效果,减少存储空间。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (10)
1.一种抗肿瘤医疗MRI图像信息智能管理***,其特征在于,所述***包括:
数据获取模块,用于获取肿瘤MRI图像;对肿瘤MRI图像中的行按顺序进行标号,获得每行的行标号;
背景行序列获取模块,用于根据每行中像素点的像素值在预设灰度级区间中分布情况,获得每行对应的行区间;根据行区间的数量以及行区间中像素点在每行像素点的占比筛选出背景行;根据背景行的行标号和行区间获得背景行的行序列;
非背景行序列获取模块,用于在每个非背景行中,根据行区间中每个像素点的像素值波动情况,获得行区间的差异序号;根据每个差异序号对应像素点在非背景行中的位置分布情况以及对应像素点的数量,获得每个差异序号的位置序列;根据每个非背景行对应的行标号、行区间和差异序号的位置序列获得每个非背景行的行序列;
编码压缩模块,用于根据肿瘤MRI图像对应的所有行序列进行无损编码,获得肿瘤MRI图像的图像编码;对图像编码进行压缩存储。
2.根据权利要求1所述一种抗肿瘤医疗MRI图像信息智能管理***,其特征在于,所述背景行的确定方法包括:
对于肿瘤MRI图像中的任意一行,计算该行中对应像素点最多的行区间的像素点数量,作为最大区间像素点数量;将最大区间像素点数量与该行像素点总数量的比值作为像素占比;
当像素占比大于预设占比阈值且该行的行区间数量小于或等于预设区间数量时,将该行作为背景行。
3.根据权利要求2所述一种抗肿瘤医疗MRI图像信息智能管理***,其特征在于,所述背景行的行序列的获取方法包括:
将背景行对应最大区间像素点数量的行区间作为背景行的代表区间;将代表区间的中心值作为代表区间的代表区间标号;
将背景行对应的行标号、代表区间标号、背景行像素点总数量和预设行符号依次排列,获得背景行的行序列。
4.根据权利要求1所述一种抗肿瘤医疗MRI图像信息智能管理***,其特征在于,所述差异序号的获取方法包括:
将每个行区间的中心值作为每个行区间的区间标号,所有区间标号的位数与区间标号的最大位数相同;对于肿瘤MRI图像中的任意一个非背景行的行区间,计算该行区间对应每个像素点的像素值与该行区间的区间标号之间的差值绝对值,获得每个像素点的偏离值;
当该行区间对应像素点的像素值大于该行区间的区间标号时,将预设正编码值与对应像素点的偏离值按顺序排列组合的数据作为对应像素点的差异序号;当该行区间对应像素点的像素值小于或等于该行区间的区间标号时,将预设负编码值与对应像素点的偏离值按顺序排列组合的数据作为对应像素点的差异序号;由该行区间中每个像素点的差异序号,得到该行区间的差异序号,该行区间对应的每个差异序号均不重复。
5.根据权利要求1所述一种抗肿瘤医疗MRI图像信息智能管理***,其特征在于,所述位置序列的获取方法包括:
对于任意一个差异序号,将该差异序号对应的像素点作为检测点,获取所在非背景行中第一个检测点的位置信息;除第一个检测点外,将其他每个检测点与前一个检测点之间的距离作为每个检测点的相对位置信息;位置信息和相对位置信息的位数均与所在非背景行的像素点总数的位数相同;
将该差异序号的位置信息与相对位置信息按预设方向上的顺序依次排列,获得该差异序号的位置序列。
6.根据权利要求4所述一种抗肿瘤医疗MRI图像信息智能管理***,其特征在于,所述非背景行的行序列的获取方法包括:
对于肿瘤MRI图像中的任意一个非背景行,根据该非背景行中行区间对应像素点的数量从多至少将所有行区间排序;在每个行区间中,根据差异序号对应像素点的数量从多至少将所有差异序号排序;
将每个差异序号、差异序号对应像素点的数量、差异序号对应位置序列和预设分割符依次排列构成每个差异序号的差异序列,差异序号对应像素点的数量的位数与所在非背景行的像素点总数量的位数相同;
将每个行区间的区间标号和排序后所有差异序号的差异序列依次排列,获得每个行区间的区间序列;当行区间为所在非背景行中的第一个行区间时,将行区间对应第一个差异序号的差异序列中的位置序列删除;
将该非背景行的行标号,排序后所有行区间的区间序列和预设行符号依次排列,获得该非背景行的行序列。
7.根据权利要求1所述一种抗肿瘤医疗MRI图像信息智能管理***,其特征在于,所述根据肿瘤MRI图像所有行序列进行无损编码,获得肿瘤MRI图像的图像编码,包括:
将肿瘤MRI图像所有行序列依次排列,获得肿瘤MRI图像的图像序列,对图像序列采用霍夫曼编码,获得肿瘤MRI图像的图像编码。
8.根据权利要求5所述一种抗肿瘤医疗MRI图像信息智能管理***,其特征在于,所述位置信息的获取方法包括:
在检测点所在非背景行的预设方向上,将检测点前所有像素点数量总和加上数值一的值作为检测点的位置信息。
9.根据权利要求1所述一种抗肿瘤医疗MRI图像信息智能管理***,其特征在于,所述行标号的获取方法包括:
获取肿瘤MRI图像的行数,将行数的位数作为肿瘤MRI图像的行位数;将所有行按预设排列顺序进行标号,获得行标号,所述行标号的位数与行位数相同。
10.根据权利要求1所述一种抗肿瘤医疗MRI图像信息智能管理***,其特征在于,所述行区间的获取方法为:
对于肿瘤MRI图像中的任意一行,当预设灰度级区间内存在该行中像素点的像素值时,将对应的预设灰度级区间作为该行的行区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311070110.0A CN116779114B (zh) | 2023-08-24 | 2023-08-24 | 一种抗肿瘤医疗mri图像信息智能管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311070110.0A CN116779114B (zh) | 2023-08-24 | 2023-08-24 | 一种抗肿瘤医疗mri图像信息智能管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116779114A true CN116779114A (zh) | 2023-09-19 |
CN116779114B CN116779114B (zh) | 2023-11-03 |
Family
ID=87989940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311070110.0A Active CN116779114B (zh) | 2023-08-24 | 2023-08-24 | 一种抗肿瘤医疗mri图像信息智能管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116779114B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116957524A (zh) * | 2023-09-21 | 2023-10-27 | 青岛阿斯顿工程技术转移有限公司 | 一种技术转移过程中人才信息智能管理方法及*** |
CN117542488A (zh) * | 2024-01-10 | 2024-02-09 | 济南宝林信息技术有限公司 | 一种用于脑肿瘤ct数据的智能处理方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4266249A (en) * | 1978-09-19 | 1981-05-05 | Bell Telephone Laboratories, Incorporated | Digital encoder for facsimile transmission |
US20030198381A1 (en) * | 2002-04-17 | 2003-10-23 | Tetsuomi Tanaka | Image compression method and apparatus, and image coding method and apparatus |
CN101282407A (zh) * | 2001-12-06 | 2008-10-08 | 佳能株式会社 | 图像处理装置、图像处理方法 |
CN101902549A (zh) * | 2009-05-27 | 2010-12-01 | 夏普株式会社 | 图像处理装置及图像处理方法 |
WO2011104890A1 (ja) * | 2010-02-25 | 2011-09-01 | Xu Weigang | 画像圧縮装置、画像伸張装置、画像圧縮方法、画像伸張方法および記録媒体 |
CN102905150A (zh) * | 2012-10-22 | 2013-01-30 | 北京航空航天大学 | 一种新的多视点视频分形编码压缩与解压缩方法 |
CN104081772A (zh) * | 2011-10-06 | 2014-10-01 | 弗兰霍菲尔运输应用研究公司 | 熵编码缓冲器配置 |
CN108447547A (zh) * | 2018-03-13 | 2018-08-24 | 沈阳东软医疗***有限公司 | 一种医学影像数据的存储、下载方法及装置 |
CN111627077A (zh) * | 2020-05-27 | 2020-09-04 | 成都知识视觉科技有限公司 | 一种医疗图像的处理方法及其压缩、还原*** |
CN112420169A (zh) * | 2020-12-04 | 2021-02-26 | 王军帅 | 一种医院放射科影像传输的数字化信息处理方法 |
CN113223668A (zh) * | 2021-04-15 | 2021-08-06 | 中南民族大学 | 胶囊内镜图像冗余数据筛查方法 |
CN114820829A (zh) * | 2022-06-24 | 2022-07-29 | 数聚(山东)医疗科技有限公司 | 一种用于放射影像的智能压缩方法 |
WO2022166865A1 (zh) * | 2021-02-08 | 2022-08-11 | 瞬联软件科技(北京)有限公司 | 一种文字图像的阴影消除方法、装置及电子设备 |
CN116386819A (zh) * | 2023-03-21 | 2023-07-04 | 上海联影智能医疗科技有限公司 | 一种数据处理方法、存储介质及设备 |
-
2023
- 2023-08-24 CN CN202311070110.0A patent/CN116779114B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4266249A (en) * | 1978-09-19 | 1981-05-05 | Bell Telephone Laboratories, Incorporated | Digital encoder for facsimile transmission |
CN101282407A (zh) * | 2001-12-06 | 2008-10-08 | 佳能株式会社 | 图像处理装置、图像处理方法 |
CN101282405A (zh) * | 2001-12-06 | 2008-10-08 | 佳能株式会社 | 图像处理装置、图像处理方法 |
US20030198381A1 (en) * | 2002-04-17 | 2003-10-23 | Tetsuomi Tanaka | Image compression method and apparatus, and image coding method and apparatus |
CN101902549A (zh) * | 2009-05-27 | 2010-12-01 | 夏普株式会社 | 图像处理装置及图像处理方法 |
WO2011104890A1 (ja) * | 2010-02-25 | 2011-09-01 | Xu Weigang | 画像圧縮装置、画像伸張装置、画像圧縮方法、画像伸張方法および記録媒体 |
CN104081772A (zh) * | 2011-10-06 | 2014-10-01 | 弗兰霍菲尔运输应用研究公司 | 熵编码缓冲器配置 |
CN102905150A (zh) * | 2012-10-22 | 2013-01-30 | 北京航空航天大学 | 一种新的多视点视频分形编码压缩与解压缩方法 |
CN108447547A (zh) * | 2018-03-13 | 2018-08-24 | 沈阳东软医疗***有限公司 | 一种医学影像数据的存储、下载方法及装置 |
CN111627077A (zh) * | 2020-05-27 | 2020-09-04 | 成都知识视觉科技有限公司 | 一种医疗图像的处理方法及其压缩、还原*** |
CN112420169A (zh) * | 2020-12-04 | 2021-02-26 | 王军帅 | 一种医院放射科影像传输的数字化信息处理方法 |
WO2022166865A1 (zh) * | 2021-02-08 | 2022-08-11 | 瞬联软件科技(北京)有限公司 | 一种文字图像的阴影消除方法、装置及电子设备 |
CN113223668A (zh) * | 2021-04-15 | 2021-08-06 | 中南民族大学 | 胶囊内镜图像冗余数据筛查方法 |
CN114820829A (zh) * | 2022-06-24 | 2022-07-29 | 数聚(山东)医疗科技有限公司 | 一种用于放射影像的智能压缩方法 |
CN116386819A (zh) * | 2023-03-21 | 2023-07-04 | 上海联影智能医疗科技有限公司 | 一种数据处理方法、存储介质及设备 |
Non-Patent Citations (3)
Title |
---|
JAMSHID DEHMESHKI ETC, 《PROCEEDINGS OF SPIE》 * |
于潇;: "基于FPGA的无损图像压缩***设计", 电子产品世界, no. 01 * |
杨玲等, 《航天医学与医学工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116957524A (zh) * | 2023-09-21 | 2023-10-27 | 青岛阿斯顿工程技术转移有限公司 | 一种技术转移过程中人才信息智能管理方法及*** |
CN116957524B (zh) * | 2023-09-21 | 2024-01-05 | 青岛阿斯顿工程技术转移有限公司 | 一种技术转移过程中人才信息智能管理方法及*** |
CN117542488A (zh) * | 2024-01-10 | 2024-02-09 | 济南宝林信息技术有限公司 | 一种用于脑肿瘤ct数据的智能处理方法 |
CN117542488B (zh) * | 2024-01-10 | 2024-04-12 | 济南宝林信息技术有限公司 | 一种用于脑肿瘤ct数据的智能处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116779114B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116779114B (zh) | 一种抗肿瘤医疗mri图像信息智能管理*** | |
CN112565764B (zh) | 一种点云几何信息帧间编码及解码方法 | |
US8145015B2 (en) | Device, system, and method for indexing digital image frames | |
US8213727B2 (en) | Image encoding apparatus and image decoding apparatus, and control method thereof | |
CN115622570B (zh) | 一种数据高效存储方法 | |
CN115955513B (zh) | 一种物联网数据优化传输方法 | |
CN110362964B (zh) | 一种基于多直方图修改的高容量可逆信息隐藏方法 | |
CN114758755B (zh) | 基于大数据分析的医疗数据协同管理平台 | |
CN116504396B (zh) | 一种中西医结合内科检查数据分析*** | |
CN116684631A (zh) | 一种针对公文的图像压缩方法 | |
EP3343445A1 (en) | Method and apparatus for encoding and decoding lists of pixels | |
CN109450452A (zh) | 一种针对基因数据的取样字典树索引的压缩方法和*** | |
CN111405294B (zh) | 一种图像栅格数据的存储及传输方法 | |
CN111461147B (zh) | 一种基于图像特征的二进制编码组织算法 | |
CN117291843B (zh) | 一种图像数据库高效管理方法 | |
CN117235013B (zh) | 一种基于人工智能的智慧档案管理方法 | |
CN112420169A (zh) | 一种医院放射科影像传输的数字化信息处理方法 | |
CN115952549B (zh) | 一种端到端的医疗影像隐私数据消除*** | |
CN107682699A (zh) | 一种近无损图像压缩方法 | |
CN116843774A (zh) | 点云数据压缩方法、装置、设备及存储介质 | |
CN115689961A (zh) | 一种用于胶质瘤spect-mri图像融合的网络模型及方法 | |
CN112734697B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN109670072B (zh) | 一种基于间隔提取的商标相似度比较方法 | |
CN113099269A (zh) | 串匹配预测方法、编码和解码方法及相关设备、装置 | |
CN112862816A (zh) | 一种hrtem图像中煤芳香烃晶格条纹的智能提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |