基于PACS系統(tǒng)的醫(yī)學(xué)影像壓縮算法的研究.pdf

1、隨著醫(yī)療數(shù)字化進程的加快，醫(yī)學(xué)影像資料數(shù)量成爆炸式增長，使其存儲空間和獲取速度面臨很大的挑戰(zhàn)。在信號處理領(lǐng)域，人們對于基于信號稀疏表達的研究越來越感興趣。信號稀疏表達不是基于固定的有數(shù)字模型的變換，而是通過訓(xùn)練集產(chǎn)生過完備字典，通過稀疏編碼來將信號分解成為一些字典原子的線性組合，從而獲得信號更為簡潔的表示方式。
　　本文主要工作是在研究影像歸檔和通信系統(tǒng)（PACS）及醫(yī)學(xué)數(shù)字成像與通訊標準（DICOM）的基礎(chǔ)上，獲取研究的圖像數(shù)據(jù)

2、進行壓縮處理以及將算法實際應(yīng)用到系統(tǒng)的探索。在信號的稀疏表示上，從字典學(xué)習(xí)和稀疏表達兩個方面進行了研究：字典學(xué)習(xí)主要研究的是最有方向算法(MO D)、K-奇異值分解(K-SVD)、遞推最小二乘字典學(xué)習(xí)算法(ILS-DLA)和遞歸最小二乘的字典學(xué)習(xí)算法(RLS-DLA)；稀疏表達主要研究了基追蹤(BP)、匹配追蹤算法(MP)和正交匹配追蹤(OMP)。在研究信號的稀疏表示后，利用主流的字典學(xué)習(xí)算法對獲取的圖像數(shù)據(jù)進行壓縮和解壓縮。
　

3、　在壓縮和解壓縮的過程中，分析使用不同原子尺度的字典對于生成字典的影響以及其字典對壓縮效果的影響。在上述研究的基礎(chǔ)上，提出一種改進的基于K-SVD的圖像壓縮算法，該算法主要使用較小尺度原子的字典進行圖像的壓縮和解壓縮，并且在解壓縮前保存圖像的邊緣信息，在解壓縮后，使用邊緣信息對解壓縮后的圖像進行修復(fù)，該算法比傳統(tǒng)的壓縮算法能夠獲得更高的峰值信噪比（PSNR）。
　　最后，本文對提出的算法加入 PACS系統(tǒng)進行了初步探索，使用De