一種存儲醫學圖像的方法和裝置的制造方法
【技術領域】
[0001]本發明涉及計算機技術領域，具體涉及一種存儲醫學圖像的方法和裝置。
【背景技術】
[0002]隨著云計算時代的到來，越來越多的醫療服務機構傾向于將其每天產生的大量醫療診斷影像(例如，超聲波成像和磁共振成像)數據存儲于云服務器中。然而，醫學圖像的云存儲會存在以下兩個問題:首先，由于每天都有海量醫學圖像的產生，需要大量占用存儲服務器的存儲空間，導致存儲服務器容量不足；其次，將醫學圖像直接存儲到云端，還會導致數據泄露風險的增大。

【發明內容】

[0003]本發明提供了一種存儲醫學圖像的方法和裝置，以解決現有的醫學圖像的云存儲中存在的容量大以及安全風險大的缺陷。
[0004]本發明提供了一種存儲醫學圖像的方法，包括以下步驟:
[0005]提取圖像庫中的各個醫學圖像的輪廓特征，根據所述輪廓特征，對所述圖像庫中的醫學圖像進行分類；
[0006]分別對各類醫學圖像組建三維張量，對所述三維張量執行傅立葉變換，得到三維傅立葉系數張量；
[0007]使用三維隨機欠采樣模板，對所述三維傅立葉系數張量進行采樣，將得到的樣本點作為與該類醫學圖像對應的壓縮存儲數據，存儲到存儲服務器中。
[0008]可選地，所述的方法，還包括:
[0009]將所述三維隨機欠采樣模板設置為保護數據。
[0010]可選地，對所述三維張量執行傅立葉變換，得到三維傅立葉系數張量，具體為:
[0011]對所述三維張量逐層執行傅立葉變換，得到三維傅立葉系數張量，使每層圖像的信息集中在傅立葉變換域的中心位置。
[0012]可選地，將得到的樣本點作為與該類醫學圖像對應的壓縮存儲數據，存儲到存儲服務器中之后，還包括:
[0013]從所述存儲服務器中獲取所述壓縮存儲數據，獲取與所述壓縮存儲數據對應的三維隨機欠采樣模板，并根據所述壓縮存儲數據以及與所述壓縮存儲數據對應的三維隨機欠采樣模板，重建與所述壓縮存儲數據對應的醫學圖像。
[0014]可選地，根據所述壓縮存儲數據以及與所述壓縮存儲數據對應的三維隨機欠采樣模板，重建與所述壓縮存儲數據對應的醫學圖像，具體為:
[0015]采用以下公式重建與所述壓縮存儲數據對應的醫學圖像:
[0016]X = argmin | | x | |! s.t.| | Φ Fm_b | 1ε
[0017]其中，m為與所述壓縮存儲數據對應的醫學圖像，χ為m的稀疏表示，F為m的逐層傅立葉變換，I |x| ^為χ的L1范數，b為所述壓縮存儲數據，Φ為三維隨機欠采樣模板。
[0018]本發明提供了一種存儲醫學圖像的裝置，包括:
[0019]提取模塊，用于提取圖像庫中的各個醫學圖像的輪廓特征；
[0020]分類模塊，用于根據所述輪廓特征，對所述圖像庫中的醫學圖像進行分類；
[0021]組建模塊，用于分別對各類醫學圖像組建三維張量；
[0022]變換模塊，對所述三維張量執行傅立葉變換，得到三維傅立葉系數張量；
[0023]采樣模塊，用于使用三維隨機欠采樣模板，對所述三維傅立葉系數張量進行采樣，將得到的樣本點作為與該類醫學圖像對應的壓縮存儲數據，存儲到存儲服務器中。
[0024]可選地，所述的裝置，還包括:
[0025]設置模塊，用于將所述三維隨機欠采樣模板設置為保護數據。
[0026]可選地，所述變換模塊，具體用于對所述三維張量逐層執行傅立葉變換，得到三維傅立葉系數張量，使每層圖像的信息集中在傅立葉變換域的中心位置。
[0027]可選地，所述的裝置，還包括:
[0028]獲取模塊，用于從所述存儲服務器中獲取所述壓縮存儲數據，獲取與所述壓縮存儲數據對應的三維隨機欠采樣模板；
[0029]重建模塊，用于根據所述壓縮存儲數據以及與所述壓縮存儲數據對應的三維隨機欠采樣模板，重建與所述壓縮存儲數據對應的醫學圖像。
[0030]可選地，所述重建模塊，具體用于采用以下公式重建與所述壓縮存儲數據對應的醫學圖像:
[0031 ] χ = argmin | | χ | |! s.t.| | Φ Fm_b | 1ε
[0032]其中，m為與所述壓縮存儲數據對應的醫學圖像，χ為m的稀疏表示，F為m的逐層傅立葉變換，I |x| ^為χ的L1范數，b為所述壓縮存儲數據，Φ為三維隨機欠采樣模板。
[0033]本發明基于壓縮感知理論的信號采集方法移植到對醫學圖像的壓縮存儲中，以遠低于奈奎斯特-香農采樣定理要求的樣本量完成海量醫學圖像在云端的存儲，能夠僅采集1/4至1/12的樣本量即可重建出高質量的目標信號，極大地節省存儲空間，降低了醫學圖像在云端的存儲空間要求，提高了醫學圖像的存儲安全性，能夠有效地防止未授權用戶獲得就醫人員的診斷數據。
【附圖說明】
[0034]圖1為本發明實施例中的一種存儲醫學圖像的方法流程圖；
[0035]圖2為本發明實施例中的三維隨機欠采樣模板的示意圖；
[0036]圖3為本發明實施例中的一種存儲醫學圖像的裝置結構圖。
【具體實施方式】
[0037]下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
[0038]需要說明的是，如果不沖突，本發明實施例以及實施例中的各個特征可以相互結合，均在本發明的保護范圍之內。另外，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執行所示出或描述的步驟。
[0039]本發明實施例提供了一種存儲醫學圖像的方法，如圖1所示，包括以下步驟:
[0040]步驟101，提取圖像庫中的各個醫學圖像的輪廓特征，根據輪廓特征，對圖像庫中的醫學圖像進行分類。
[0041]具體地，由于不同組織部位的影像(例如，大腦、心臟和血管)具有明顯的輪廓差異，可以通過一系列方法(例如，先驗知識法、數學形態法和神經動力學方法)提取醫學圖像的輪廓特征，并根據輪廓特征，采用聚類方法(例如，K均值、層次聚類和支持向量機)對醫學圖像進行分類。
[0042]步驟102，分別對各類醫學圖像組建三維張量，對三維張量執行傅立葉變換，得到三維傅立葉系數張量。
[0043]具體地，可以分別對各類醫學圖像組建三維張量，對三維張量逐層執行傅立葉變換，得到三維傅立葉系數張量，使每層圖像的信息集中在傅立葉變換域的中心位置。
[0044]步驟103，使用三維隨機欠采樣模板，對三維傅立葉系數張量進行采樣，將得到的樣本點作為與該類醫學圖像對應的壓縮存儲數據，存儲到存儲服務器中。
[0045]本實施例中，可以將表現同一組織部位的醫學圖像聚合在一起，構建三維張量，以便有效地利用同一類圖像間的結構相似性，使用三維隨機欠采樣模板在傅立葉域執行欠采樣。
[0046]其中，三維隨機欠采樣模板如圖2所示，其采樣點是隨機分布的，以保證采樣模板與稀疏變換的不相關性；三維隨機欠采樣模板的每一層的采樣點位置都不完全相同，使采樣過程能盡可能獲得多樣化的數據信息；此外，由于目標數據的主要/關鍵信息集中在傅立葉域的中心區域，因此，三維隨機欠采樣模板的采樣點更大概率地分布在數據的中心區域。
[0047]步驟104，將三維隨機欠采樣模板設置為保護數據。
[0048]步驟105，從存儲服務器中獲取壓縮存儲數據，獲取與壓縮存儲數據對應的三維隨機欠采樣模板。
[0049]步驟106，根據壓縮存儲數據以及與壓縮存儲數據對應的三維隨機欠采樣模板，重建與壓縮存儲數據對應的醫學圖像。
[0050]具體地，可以采用以下公式重建與壓縮存儲數據對應的醫學圖像:
[0051 ] χ = argmin | | x | |! s.t.| | Φ Fm_b | 1ε
[0052]其中，m為與壓縮存儲數據對應的醫學圖像，χ為m的稀疏表示，即χ = Φ (m)，Φ為三維稀疏變換方法，F為m的逐層傅立葉變換，| | χ | |:為χ的L1范數，b為壓縮存儲數據，Φ為三維隨機欠采樣模板。在理論層面，χ = Φ (m)越稀疏，貝ij重建質量越高。