【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及圖像數(shù)據(jù)處理，尤其涉及一種醫(yī)療數(shù)據(jù)存儲方法。
技術(shù)介紹
1、醫(yī)療數(shù)據(jù)是指在醫(yī)療保健領(lǐng)域中產(chǎn)生的各種有關(guān)患者、疾病、診斷、治療和其他相關(guān)信息的數(shù)據(jù)，對于該類數(shù)據(jù)的收集、管理和分析對于提高醫(yī)療保健服務(wù)質(zhì)量、促進(jìn)醫(yī)學(xué)研究和決策制定具有重要意義。其中，醫(yī)療數(shù)據(jù)中的mri（核磁共振）影像數(shù)據(jù)的壓縮存儲更為重要，其原因在于mri生成的數(shù)據(jù)量龐大，通過對mri影像數(shù)據(jù)進(jìn)行壓縮可以顯著減少所需的存儲空間，對于長期存儲和管理醫(yī)療圖像數(shù)據(jù)至關(guān)重要，同時壓縮后的mri影像的文件大小更小，有助于提高數(shù)據(jù)傳輸速度，使醫(yī)生和醫(yī)療專業(yè)人士能夠更快地獲取和分享患者的影像數(shù)據(jù)。
2、現(xiàn)有技術(shù)中，通常采用常見的jpeg或jpeg2000等有損壓縮算法對醫(yī)療數(shù)據(jù)中的mri影像數(shù)據(jù)的壓縮存儲，但有損壓縮算法會降低mri影像的整體質(zhì)量，容易丟失影像數(shù)據(jù)細(xì)節(jié)，導(dǎo)致mri影像中一些重要區(qū)域無法實(shí)現(xiàn)有效保留和還原。因此，如何提高醫(yī)療數(shù)據(jù)中的mri影像數(shù)據(jù)的壓縮存儲效果，以避免降低還原后的mri影像的質(zhì)量成為亟需解決的問題。
技術(shù)實(shí)現(xiàn)思路
1、有鑒于此，本專利技術(shù)實(shí)施例提供了一種醫(yī)療數(shù)據(jù)存儲方法，以解決如何提高醫(yī)療數(shù)據(jù)中的mri影像數(shù)據(jù)的壓縮存儲效果，以避免降低還原后的mri影像的質(zhì)量的問題。
2、本專利技術(shù)實(shí)施例中提供了一種醫(yī)療數(shù)據(jù)存儲方法，該方法包括以下步驟：
3、獲取待處理的mri影像，對所述mri影像進(jìn)行灰度化處理，得到mri灰度影像；
4、對所述mri灰度影像
5、對所述目標(biāo)mri影像進(jìn)行區(qū)域分割，得到所有分割區(qū)域，針對任一分割區(qū)域，根據(jù)所述分割區(qū)域中的每個像素點(diǎn)的局部范圍內(nèi)的像素點(diǎn)灰度差異，獲取所述分割區(qū)域?qū)儆诜顷P(guān)鍵區(qū)域的匹配程度，根據(jù)每個所述分割區(qū)域?qū)儆诜顷P(guān)鍵區(qū)域的匹配程度，將所有分割區(qū)域劃分為非關(guān)鍵區(qū)域和關(guān)鍵區(qū)域；
6、對所述非關(guān)鍵區(qū)域進(jìn)行有損壓縮處理，對所述關(guān)鍵區(qū)域進(jìn)行無損壓縮處理，對應(yīng)得到所述待處理的mri影像的壓縮結(jié)果，對所述壓縮結(jié)果進(jìn)行存儲。
7、優(yōu)選的，所述根據(jù)所述邊緣的曲率變化和所述邊緣上的所有像素點(diǎn)的梯度變化，獲取所述邊緣的邊緣特征指標(biāo)，包括：
8、獲取所述邊緣上的每個像素點(diǎn)的曲率和拐點(diǎn)數(shù)量，根據(jù)所述邊緣上的每個像素點(diǎn)的曲率和拐點(diǎn)數(shù)量，獲取所述邊緣的不規(guī)則程度；
9、根據(jù)所述邊緣上的每個像素點(diǎn)的梯度幅值，獲取梯度幅值均值，根據(jù)所述邊緣上每兩個相鄰像素點(diǎn)的梯度幅值之間的差值絕對值，獲取差值絕對值均值，根據(jù)所述梯度幅值均值和所述差值絕對值均值，獲取所述邊緣的邊緣模糊度指標(biāo)；
10、根據(jù)所述邊緣的不規(guī)則程度和邊緣模糊度指標(biāo)，獲取所述邊緣的邊緣特征指標(biāo)。
11、優(yōu)選的，所述根據(jù)所述邊緣上的每個像素點(diǎn)的曲率和拐點(diǎn)數(shù)量，獲取所述邊緣的不規(guī)則程度，包括：
12、根據(jù)所述邊緣上的每個像素點(diǎn)的曲率計(jì)算曲率方差，對所述曲率方差進(jìn)行歸一化處理，得到對應(yīng)的第一歸一化值，對所述邊緣上的拐點(diǎn)數(shù)量進(jìn)行歸一化處理，得到對應(yīng)的第二歸一化值，將所述第一歸一化值和所述第二歸一化值之間的加權(quán)求和結(jié)果作為所述邊緣的不規(guī)則程度。
13、優(yōu)選的，所述根據(jù)所述梯度幅值均值和所述差值絕對值均值，獲取所述邊緣的邊緣模糊度指標(biāo)，包括：
14、將所述梯度幅值均值的相反數(shù)和所述差值絕對值均值的相反數(shù)分別代入以自然常數(shù)為底數(shù)的指數(shù)函數(shù)中，對應(yīng)得到第一指數(shù)函數(shù)結(jié)果和第二指數(shù)函數(shù)結(jié)果，獲取常數(shù)1與所述第二指數(shù)函數(shù)結(jié)果之間的差值，將所述第一指數(shù)函數(shù)結(jié)果和所述差值之間的加權(quán)求和結(jié)果作為所述邊緣的邊緣模糊度指標(biāo)。
15、優(yōu)選的，所述根據(jù)所述邊緣的不規(guī)則程度和邊緣模糊度指標(biāo)，獲取所述邊緣的邊緣特征指標(biāo)，包括：
16、獲取所述邊緣的不規(guī)則程度和邊緣模糊度指標(biāo)之間的均值作為所述邊緣的邊緣特征指標(biāo)。
17、優(yōu)選的，所述根據(jù)所述mri灰度影像中的每個邊緣的邊緣特征指標(biāo)，對所述mri灰度影像進(jìn)行部分圖像削弱處理，得到目標(biāo)mri影像，包括：
18、若所述mri灰度影像中的任一邊緣的邊緣特征指標(biāo)大于預(yù)設(shè)的邊緣特征指標(biāo)閾值，則令所述邊緣的灰度值與所述邊緣所處的局部背景區(qū)域的灰度均值一致，遍歷所述mri灰度影像中的每個邊緣的邊緣特征指標(biāo)，得到目標(biāo)mri影像。
19、優(yōu)選的，所述根據(jù)所述分割區(qū)域中的每個像素點(diǎn)的局部范圍內(nèi)的像素點(diǎn)灰度差異，獲取所述分割區(qū)域?qū)儆诜顷P(guān)鍵區(qū)域的匹配程度，包括：
20、針對所述分割區(qū)域中的任一像素點(diǎn)，計(jì)算所述像素點(diǎn)的八鄰域范圍內(nèi)的灰度值均值，獲取所述灰度值均值與所述像素點(diǎn)的灰度值之間的差值絕對值，根據(jù)所述分割區(qū)域中的每個像素點(diǎn)對應(yīng)的差值絕對值獲取最大差值絕對值、最小差值絕對值和差值絕對值的平均值；
21、將所述最大差值絕對值和所述最小差值絕對值之間的差值絕對值的相反數(shù)代入以自然常數(shù)為底數(shù)的指數(shù)函數(shù)中，得到對應(yīng)的第一函數(shù)值，將所述差值絕對值的平均值的相反數(shù)代入以自然常數(shù)為底數(shù)的指數(shù)函數(shù)中，得到對應(yīng)的第二函數(shù)值，對所述第一函數(shù)值和所述第二函數(shù)值進(jìn)行加權(quán)求和，對應(yīng)得到的結(jié)果作為所述分割區(qū)域?qū)儆诜顷P(guān)鍵區(qū)域的匹配程度。
22、優(yōu)選的，所述根據(jù)每個所述分割區(qū)域?qū)儆诜顷P(guān)鍵區(qū)域的匹配程度，將所有分割區(qū)域劃分為非關(guān)鍵區(qū)域和關(guān)鍵區(qū)域，包括：
23、若任一分割區(qū)域?qū)儆诜顷P(guān)鍵區(qū)域的匹配程度大于或等于預(yù)設(shè)的匹配程度閾值，則將所述分割區(qū)域作為非關(guān)鍵區(qū)域，遍歷每個所述分割區(qū)域，將所有分割區(qū)域劃分為非關(guān)鍵區(qū)域和關(guān)鍵區(qū)域。
24、優(yōu)選的，所述對所述非關(guān)鍵區(qū)域進(jìn)行有損壓縮處理，包括：
25、針對任一非關(guān)鍵區(qū)域，用所述非關(guān)鍵區(qū)域中的灰度值均值替換所述非關(guān)鍵區(qū)域中的每個像素點(diǎn)的灰度值，得到替換后的非關(guān)鍵區(qū)域，利用壓縮算法對所述替換后的非關(guān)鍵區(qū)域進(jìn)行壓縮處理。
26、優(yōu)選的，所述非關(guān)鍵區(qū)域是指非器官類組織區(qū)域，所述關(guān)鍵區(qū)域是指器官類組織區(qū)域。
27、本專利技術(shù)實(shí)施例與現(xiàn)有技術(shù)相比存在的有益效果是：
28、本專利技術(shù)獲取待處理的mri影像，對所述mri影像進(jìn)行灰度化處理，得到mri灰度影像；對所述mri灰度影像進(jìn)行邊緣檢測，得到所述mri灰度影像中的所有邊緣，針對任一邊緣，根據(jù)所述邊緣的曲率變化和所述邊緣上的所有像素點(diǎn)的梯度變化，獲取所述邊緣的邊緣特征指標(biāo)，根據(jù)所述mri灰度影像中的每個邊緣的邊緣特征指標(biāo)，對所述mri灰度影像進(jìn)行部分圖像削弱處理，得到目標(biāo)mri影像；對所述目標(biāo)mri影像進(jìn)行區(qū)域分割，得到所有分割區(qū)域，針對任一分割區(qū)域，根據(jù)所述分割區(qū)域中的每個像素點(diǎn)的局部范圍內(nèi)的像素點(diǎn)灰度差異，獲取所述分割區(qū)域?qū)儆诜顷P(guān)鍵區(qū)域的匹配程度，根據(jù)每個所述分割區(qū)域?qū)俦疚臋n來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種醫(yī)療數(shù)據(jù)存儲方法，其特征在于，所述一種醫(yī)療數(shù)據(jù)存儲方法包括：
2.根據(jù)權(quán)利要求1所述的一種醫(yī)療數(shù)據(jù)存儲方法，其特征在于，所述根據(jù)所述邊緣的曲率變化和所述邊緣上的所有像素點(diǎn)的梯度變化，獲取所述邊緣的邊緣特征指標(biāo)，包括：
3.根據(jù)權(quán)利要求2所述的一種醫(yī)療數(shù)據(jù)存儲方法，其特征在于，所述根據(jù)所述邊緣上的每個像素點(diǎn)的曲率和拐點(diǎn)數(shù)量，獲取所述邊緣的不規(guī)則程度，包括：
4.根據(jù)權(quán)利要求2所述的一種醫(yī)療數(shù)據(jù)存儲方法，其特征在于，所述根據(jù)所述梯度幅值均值和所述差值絕對值均值，獲取所述邊緣的邊緣模糊度指標(biāo)，包括：
5.根據(jù)權(quán)利要求2所述的一種醫(yī)療數(shù)據(jù)存儲方法，其特征在于，所述根據(jù)所述邊緣的不規(guī)則程度和邊緣模糊度指標(biāo)，獲取所述邊緣的邊緣特征指標(biāo)，包括：
6.根據(jù)權(quán)利要求1所述的一種醫(yī)療數(shù)據(jù)存儲方法，其特征在于，所述根據(jù)所述MRI灰度影像中的每個邊緣的邊緣特征指標(biāo)，對所述MRI灰度影像進(jìn)行部分圖像削弱處理，得到目標(biāo)MRI影像，包括：
7.根據(jù)權(quán)利要求1所述的一種醫(yī)療數(shù)據(jù)存儲方法，其特征在于，所述根據(jù)所述分割區(qū)域中的每個像素點(diǎn)
8.根據(jù)權(quán)利要求1所述的一種醫(yī)療數(shù)據(jù)存儲方法，其特征在于，所述根據(jù)每個所述分割區(qū)域?qū)儆诜顷P(guān)鍵區(qū)域的匹配程度，將所有分割區(qū)域劃分為非關(guān)鍵區(qū)域和關(guān)鍵區(qū)域，包括：
9.根據(jù)權(quán)利要求1所述的一種醫(yī)療數(shù)據(jù)存儲方法，其特征在于，所述對所述非關(guān)鍵區(qū)域進(jìn)行有損壓縮處理，包括：
10.根據(jù)權(quán)利要求1至9的任一項(xiàng)所述的一種醫(yī)療數(shù)據(jù)存儲方法，其特征在于，所述非關(guān)鍵區(qū)域是指非器官類組織區(qū)域，所述關(guān)鍵區(qū)域是指器官類組織區(qū)域。
...【技術(shù)特征摘要】
1.一種醫(yī)療數(shù)據(jù)存儲方法，其特征在于，所述一種醫(yī)療數(shù)據(jù)存儲方法包括：
2.根據(jù)權(quán)利要求1所述的一種醫(yī)療數(shù)據(jù)存儲方法，其特征在于，所述根據(jù)所述邊緣的曲率變化和所述邊緣上的所有像素點(diǎn)的梯度變化，獲取所述邊緣的邊緣特征指標(biāo)，包括：
3.根據(jù)權(quán)利要求2所述的一種醫(yī)療數(shù)據(jù)存儲方法，其特征在于，所述根據(jù)所述邊緣上的每個像素點(diǎn)的曲率和拐點(diǎn)數(shù)量，獲取所述邊緣的不規(guī)則程度，包括：
4.根據(jù)權(quán)利要求2所述的一種醫(yī)療數(shù)據(jù)存儲方法，其特征在于，所述根據(jù)所述梯度幅值均值和所述差值絕對值均值，獲取所述邊緣的邊緣模糊度指標(biāo)，包括：
5.根據(jù)權(quán)利要求2所述的一種醫(yī)療數(shù)據(jù)存儲方法，其特征在于，所述根據(jù)所述邊緣的不規(guī)則程度和邊緣模糊度指標(biāo)，獲取所述邊緣的邊緣特征指標(biāo)，包括：
6.根據(jù)權(quán)利要求1所述的一種醫(yī)療數(shù)據(jù)存儲方法，其...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：蔣提，
申請(專利權(quán))人：濟(jì)寧市第一人民醫(yī)院濟(jì)寧市醫(yī)學(xué)科學(xué)研究院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。