基于提升小波变换和SPIHT的医学图像编码算法

目的:探讨一种基于提升小波变换和多级树集合分裂算法(set partitioning in hierarchical trees,SPIHT)的医学图像编码算法。方法:针对传统小波浮点数运算,计算量大的缺点,采用提升格式小波,结合多级树集合分裂算法和算术编码,实现对医学图像的编码。结果:在获得较高压缩比的情况下,能保证医学图像的重建质量,满足医学图像数据的存储和传输的需要。结论:仿真结果表明在相同压缩比的情况下,重建图像的峰值信噪比有明显提高,获得了较好的压缩效果。     

基于全局方差的感兴趣区域断层CT图像重建算法

感兴趣区域断层CT图像重建在医疗诊断、工业无损检测领域广泛应用,重建精度直接影响医疗诊断结果与工业检测结果,为此提出基于全局方差的感兴趣区域断层CT图像重建算法。利用全局方差的断层CT图像增强算法步骤和流程,增强全局方差与全局均值的图像效果,同时获取区域内像素灰度级方差。在此基础上,导入ART模拟与投影,得到Radon逆变换ART迭代函数,重建增强效果后的感兴趣区域断层CT图像。研究结果表明,基于全局方差的重建算法可有效重建感兴趣区域图像,重建图像的归一化均方误差判距与归一化平均绝对距离判距均低于0.2,是一种可靠的感兴趣区域断层CT图像重建算法。     

基于对称区域生长算法的超声医学图像分割方法

提出了一种基于对称区域生长算法的超声医学图像的分割方法。该方法分为三步。首先,通过采用自适应加权中值滤波抑制超声医学图像本身固有的Speckle噪声,然后从图像的第一行开始扫描整个图像,并应用生长准则进行区域的生长与合并,生长完成之后应用种子准则标定感兴趣区域,从而得到最后的分割结果。通过图像的分割实验确定了一套对于超声医学图像适用的生长和合并准则。对心脏B型超声医学图像分割的实验结果显示,该方法具有良好的性能。     

基于感兴趣区约束的并行磁共振成像重建算法

目的：并行磁共振成像利用敏感度编码降低成像所需的梯度编码步数，从而缩短数据扫描时间，本文旨在提出一种磁共振并行成像重建新算法，提高加速因子较大时的图像重建质量。材料与方法：获得精确的空间敏感度分布是提高其图像重建质量的关键之一。但是由于可用于估计的数据较少，敏感度分布中总是存在一定的噪声与伪影干扰，根据理想的敏感度分布应该在成像区域外取值为零这一特点，本文提出带感兴趣区约束的并行成像算法，首先基于区域生长和形态学方法提取出成像物体的外部轮廓构造感兴趣区，然后将该区域外的敏感度置零后引人并行重建算法，以避免成像区域外的伪影与噪声对重建的影响。结果：通过8通道线圈并行采集的体模数据重建实验表明，在加速因子取4时，本文算法可以更有效地抑制重建图像中的噪声及伪影，实现高质量的图像重建。结论：通过在并行成像算法中引人带感兴趣区的约束。可使加速因子较大时并行磁共振成像的图像重建质量获得一定的提升。     

基于Mablab7.0的小波医学图像压缩性能研究

选择合适的小波基是小波医学图像压缩的一个重要方面，因为不同的小波具有不同的特性，从而会导致不同的压缩比。为了研究小波的压缩性能，找出影响医学图像压缩比的主要因素，我们利用Matlab7．0的小波工具箱分别对三类共30幅不同的医学图像进行了压缩实验，得出了每类医学图像在不同小波下的压缩比。结果表明，Daubechies系列小波、Symmlet系列小波、Coiflet系列小波具有相对稳定的压缩比；影响医学图像压缩效果的关键因素是小波基的特性而不是医学图像的类型。     

小波变换在医学图像压缩中的应用

目的：探讨利用小波变换进行医学图像压缩的方法。方法：通过小波变换对图像进行时频局部化分析，将图像分解到多个尺度上。进行多分辨分析。然后对变换后的子图像的小波系数特点进行了分析，讨论了其适用于图像压缩编码的特性和优势。嵌入式零树小波图像编码算法是一种有效的图像压缩方法。在分析嵌入式零树小波图像编码算法的基础上，针对传统嵌入零树小波编码方法存在的不足之处，提出了一种改进的零树小波编码算法。结果：在获得较大压缩比的同时能保证医学图像的重建质量，可以较好地满足PACS对医学图像存储和传输的要求。结论：仿真实验表明，本方法是一种有效的医学图像压缩方法。     

基于Mean Shift的三维医学图像交互式分割方法

目的：提出一种新的三维医学图像交互式分割方法,利用Mean Shift算法将空间域与特征域相结合的高维计算优势,直接对图像的三维空间分布信息进行处理,同时采用人工与计算机相结合的交互式分割方法在医学图像序列上分割出感兴趣区域。方法：通常将Mean Shift方法用于图像分割都需要对整幅图像中的所有像素点进行大量的迭代计算,这样使得分割效率很低。而本文基于交互式分割算法原理,通过在感兴趣区域人工设定一个或少数几个初始点,利用人工给出的先验信息只需对感兴趣区域进行Mean Shift的自适应迭代计算和处理,不仅可以克服上述缺陷,还能得到较为精确的分割结果。结果：本文根据该方法进行了实验,从肺部图像序列中准确地分割出了三维的肺结节区域,从时间上和准确度上均能满足临床需求。结论：实验结果证明该交互式分割方法是一种非常有效的三维医学图像分割方法。本文的方法可以同时联合灰度域和空间域特征实现分割,而且它基于所选择的分割特征还具有任意多维空间联合分割的潜力,不失为一种深有发展前景的三维交互式分割方法。     

医学图像细微结构增强方法研究进展

有效的医学图像增强方法可以增强感兴趣目标或区域以及抑制背景及噪声区域,从而改善图像的质量,在减少噪声的同时保持原有的几何纹理结构,基于增强后的图像可以更方便地诊断疾病。本文针对当前医学图像细微结构增强方法展开研究,主要包括锐化增强方法、粗糙集与模糊集增强、多尺度几何增强以及基于微分算子的增强方法。最后给出几种常用的图像细节增强定量评价指标,并探讨了医学图像细微结构增强进一步的研究方向。     

人体颅脑MRI图像中下颌骨的分割及三维建模

目的:在目前的影像医疗诊断中,仅凭观察二维CT、MRI图像是很难实现准确的确定病变体的空间位置、大小、几何形状及与周围生物组织的空间关系的。本研究利用CT、MRI图像数据,帮助医生对病变体及其人体组织感兴趣的区域进行分割提取,用于医学图像的三维显示、三维重建。材料与方法:应用Mimics软件,对132层,层间距为1.0mm的MRI扫描图像进行图像去噪、分割和平滑等处理,最终创建三维模型。结果:建立了更为精确,应用更为广泛的下颌骨三维模型。结论:运用Mimics对MRI医学图像进行分割,重建三维模型,能全面显示病变的病理解剖改变,为临床治疗提供精细的影像学信息,从而使重建后的三维模型可清晰地再现病灶与周围组织的解剖关系,大大增强了医学图象分析系统的临床实用价值。     

M3D:面向3D打印的医学图像重建平台

本研究旨在构建面向3D打印的医学图像3D重建平台,实现医学影像数据的目标分割、3D重建与3D打印所需区域裁剪与输出功能。该软件平台采用Qt设计用户界面,调用ITK、VTK类库处理医学影像数据。软件平台实现了医学影像数据的输入输出及处理、分割与3D重建等功能;在3D打印模型输出前,可实现对感兴趣区域的截取。以肘关节为例,利用该平台可实现模型重建,截取区域输出STL文件并完成3D打印。结果表明,该软件平台操作简单、界面简洁,可以从医学影像数据中重建得到3D模型,并进行3D打印,具有重要的临床应用价值。     

基于小波的医学图像渐进编码算法的研究

医学图像的渐进编码在医学图像档案的回放和医学图像的远程传输中都有非常重要的意义.作者在研究二维图像小波分解的基础上,提出了一种新的基于小波变换的图像渐进编码算法.实验表明该算法可取得较高的压缩比和运算速度.     

医学图象位面行程编码实时压缩策略

本文研究了医学图象的位面行程编码及其硬件实现方案，用于动态图象（２５帧／秒）的不失真实时压缩和恢复，以熵为指标对几种图象信源的描述形式进行评价后表明，采用位面结构描述信源更有利于提高压缩效率。利用我们提出的一种定长行程码方法对ＣＴ图象进行位面行程编码压缩，其压缩比显著提高。并研制了基于此方法的编码器和恢复器。     

一种基于改进零树小波算法的选择性医学图像压缩技术

针对传统零树编码的三个不足，利用游程编码结合人眼视觉特性，对其进行了改进，在此基础上根据医学图像压缩的特点，探讨了选择性医学图像压缩技术，并将其和小波压缩算法结合。实验结果表明，改进方法减少了编码比特率和编码时间，达到了较好的压缩效果。     

Lossless Compression on MRI Images Using SWT

Medical image compression is one of the growing research fields in biomedical applications. Most medical images need to be compressed using lossless compression as each pixel information is valuable. With the wide pervasiveness of medical imaging applications in health-care settings and the increased interest in telemedicine technologies, it has become essential to reduce both storage and transmission bandwidth requirements needed for archival and communication of related data, preferably by employing lossless compression methods. Furthermore, providing random access as well as resolution and quality scalability to the compressed data has become of great utility. Random access refers to the ability to decode any section of the compressed image without having to decode the entire data set. The system proposes to implement a lossless codec using an entropy coder. 3D medical images are decomposed into 2D slices and subjected to 2D-stationary wavelet transform (SWT). The decimated coefficients are compressed in parallel using embedded block coding with optimized truncation of the embedded bit stream. These bit streams are decoded and reconstructed using inverse SWT. Finally, the compression ratio (CR) is evaluated to prove the efficiency of the proposal. As an enhancement, the proposed system concentrates on minimizing the computation time by introducing parallel computing on the arithmetic coding stage as it deals with multiple subslices.     

DWT–DCT hybrid scheme for medical image compression

With the development of communication technology the applications and services of health telemetics are growing. In view of the increasingly important role played by digital medical imaging in modern health care, it is necessary for large amount of image data to be economically stored and/or transmitted. There is a need for the development of image compression systems that combine high compression ratio with preservation of critical information. During the past decade wavelets have been a significant development in the field of image compression. In this paper, a hybrid scheme using both discrete wavelet transform (DWT) and discrete cosine transform (DCT) for medical image compression is presented. DCT is applied to the DWT details, which generally have zero mean and small variance, thereby achieving better compression than obtained from either technique alone. The results of the hybrid scheme are compared with JPEG and set partitioning in hierarchical trees (SPIHT) coder and it is found that the performance of the proposed scheme is better.     

Watermark Compression in Medical Image Watermarking Using Lempel-Ziv-Welch (LZW) Lossless Compression Technique

In teleradiology, image contents may be altered due to noisy communication channels and hacker manipulation. Medical image data is very sensitive and can not tolerate any illegal change. Illegally changed image-based analysis could result in wrong medical decision. Digital watermarking technique can be used to authenticate images and detect as well as recover illegal changes made to teleradiology images. Watermarking of medical images with heavy payload watermarks causes image perceptual degradation. The image perceptual degradation directly affects medical diagnosis. To maintain the image perceptual and diagnostic qualities standard during watermarking, the watermark should be lossless compressed. This paper focuses on watermarking of ultrasound medical images with Lempel-Ziv-Welch (LZW) lossless-compressed watermarks. The watermark lossless compression reduces watermark payload without data loss. In this research work, watermark is the combination of defined region of interest (ROI) and image watermarking secret key. The performance of the LZW compression technique was compared with other conventional compression methods based on compression ratio. LZW was found better and used for watermark lossless compression in ultrasound medical images watermarking. Tabulated results show the watermark bits reduction, image watermarking with effective tamper detection and lossless recovery.     

整型提升小波变换的块编码在医学图像压缩中的应用

提出一种基于整型提升小波变换的图像块压缩编码方法.整型提升小波变换具有计算快速、能实现任意图像尺寸的小波算法、能在当前位置完成小波变换、节省内存等特点,而且该提升算法能同时对图像进行有损或无损压缩,因而更适应于远程医疗系统和医学图像压缩系统.基于图像块压缩编码方法不仅可以实现比特率控制,还可以实现SNR(信噪比)可缩放性,支持图像的渐进传输.     

基于小波变换和感兴趣区域编码的ECG压缩方法

提出了一种基于小波变换和感兴趣区域编码的ECG压缩方法：首先使用正交小波变换对去均值处理后的信号进行多层分解。然后根据对原始信号特征提取的结果，找到感兴趣区域，进而找到与感兴趣区域对应的系数，视这些系数为重要系数而予以保留。对非感兴趣区域系数从小到大排序，根据目标PRDBE（Percentage Rootmean-square Difference with Baseline Eliminated）指标，计算该区域系数阈值并阈值化。通过扫描所有小波系数得到重要系数图。最后对重要系数进行标量量化。对重要系数图进行RLE（Run Length Encoding）编码，并使用Huffman编码进一步提高压缩比。使用MIT／BIH心律失常数据库测试表明。本方法在最大程度保存诊断信息，获得好的信号质量的同时，也获得了基本满足实际应用需要的压缩比。     

Lossless medical image compression by multilevel decomposition

Lossless image coding is important for medical image compression because any information loss or error caused by the image compression process could affect clinical diagnostic decisions. This paper proposes a lossless compression algorithm for application to medical images that have high spatial correlation. The proposed image compression algorithm uses a multilevel decomposition scheme in conjunction with prediction and classification. In this algorithm, an image is divided into four subimages by subsampling. One subimage is used as a reference to predict the other three subimages. The prediction errors of the three subimages are classified into two or three groups by the characteristics of the reference subimage, and the classified prediction errors are encoded by entropy coding with corresponding code words. These subsampling and classified entropy coding procedures are repeated on the reference subimage in each level, and the reference subimage in the last repetition is encoded by conventional differential pulse code modulation and entropy coding. To verify this proposed algorithm, it was applied to several chest radiographs and computed tomography and magnetic resonance images, and the results were compared with those from well-known lossless compression algorithms.