一种存储医学图像的方法和装置的制造方法
【技术领域】
[0001]本发明涉及计算机技术领域，具体涉及一种存储医学图像的方法和装置。
【背景技术】
[0002]随着云计算时代的到来，越来越多的医疗服务机构倾向于将其每天产生的大量医疗诊断影像(例如，超声波成像和磁共振成像)数据存储于云服务器中。然而，医学图像的云存储会存在以下两个问题:首先，由于每天都有海量医学图像的产生，需要大量占用存储服务器的存储空间，导致存储服务器容量不足；其次，将医学图像直接存储到云端，还会导致数据泄露风险的增大。
【发明内容】
[0003]本发明提供了一种存储医学图像的方法和装置，以解决现有的医学图像的云存储中存在的容量大以及安全风险大的缺陷。
[0004]本发明提供了一种存储医学图像的方法，包括以下步骤:
[0005]提取图像库中的各个医学图像的轮廓特征，根据所述轮廓特征，对所述图像库中的医学图像进行分类；
[0006]分别对各类医学图像组建三维张量，对所述三维张量执行傅立叶变换，得到三维傅立叶系数张量；
[0007]使用三维随机欠采样模板，对所述三维傅立叶系数张量进行采样，将得到的样本点作为与该类医学图像对应的压缩存储数据，存储到存储服务器中。
[0008]可选地，所述的方法，还包括:
[0009]将所述三维随机欠采样模板设置为保护数据。
[0010]可选地，对所述三维张量执行傅立叶变换，得到三维傅立叶系数张量，具体为:
[0011]对所述三维张量逐层执行傅立叶变换，得到三维傅立叶系数张量，使每层图像的信息集中在傅立叶变换域的中心位置。
[0012]可选地，将得到的样本点作为与该类医学图像对应的压缩存储数据，存储到存储服务器中之后，还包括:
[0013]从所述存储服务器中获取所述压缩存储数据，获取与所述压缩存储数据对应的三维随机欠采样模板，并根据所述压缩存储数据以及与所述压缩存储数据对应的三维随机欠采样模板，重建与所述压缩存储数据对应的医学图像。
[0014]可选地，根据所述压缩存储数据以及与所述压缩存储数据对应的三维随机欠采样模板，重建与所述压缩存储数据对应的医学图像，具体为:
[0015]采用以下公式重建与所述压缩存储数据对应的医学图像:
[0016]X = argmin | | x | |! s.t.| | Φ Fm_b | 1ε
[0017]其中，m为与所述压缩存储数据对应的医学图像，χ为m的稀疏表示，F为m的逐层傅立叶变换，I |x| ^为χ的L1范数，b为所述压缩存储数据，Φ为三维随机欠采样模板。
[0018]本发明提供了一种存储医学图像的装置，包括:
[0019]提取模块，用于提取图像库中的各个医学图像的轮廓特征；
[0020]分类模块，用于根据所述轮廓特征，对所述图像库中的医学图像进行分类；
[0021]组建模块，用于分别对各类医学图像组建三维张量；
[0022]变换模块，对所述三维张量执行傅立叶变换，得到三维傅立叶系数张量；
[0023]采样模块，用于使用三维随机欠采样模板，对所述三维傅立叶系数张量进行采样，将得到的样本点作为与该类医学图像对应的压缩存储数据，存储到存储服务器中。
[0024]可选地，所述的装置，还包括:
[0025]设置模块，用于将所述三维随机欠采样模板设置为保护数据。
[0026]可选地，所述变换模块，具体用于对所述三维张量逐层执行傅立叶变换，得到三维傅立叶系数张量，使每层图像的信息集中在傅立叶变换域的中心位置。
[0027]可选地，所述的装置，还包括:
[0028]获取模块，用于从所述存储服务器中获取所述压缩存储数据，获取与所述压缩存储数据对应的三维随机欠采样模板；
[0029]重建模块，用于根据所述压缩存储数据以及与所述压缩存储数据对应的三维随机欠采样模板，重建与所述压缩存储数据对应的医学图像。
[0030]可选地，所述重建模块，具体用于采用以下公式重建与所述压缩存储数据对应的医学图像:
[0031 ] χ = argmin | | χ | |! s.t.| | Φ Fm_b | 1ε
[0032]其中，m为与所述压缩存储数据对应的医学图像，χ为m的稀疏表示，F为m的逐层傅立叶变换，I |x| ^为χ的L1范数，b为所述压缩存储数据，Φ为三维随机欠采样模板。
[0033]本发明基于压缩感知理论的信号采集方法移植到对医学图像的压缩存储中，以远低于奈奎斯特-香农采样定理要求的样本量完成海量医学图像在云端的存储，能够仅采集1/4至1/12的样本量即可重建出高质量的目标信号，极大地节省存储空间，降低了医学图像在云端的存储空间要求，提高了医学图像的存储安全性，能够有效地防止未授权用户获得就医人员的诊断数据。
【附图说明】
[0034]图1为本发明实施例中的一种存储医学图像的方法流程图；
[0035]图2为本发明实施例中的三维随机欠采样模板的示意图；
[0036]图3为本发明实施例中的一种存储医学图像的装置结构图。
【具体实施方式】
[0037]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0038]需要说明的是，如果不冲突，本发明实施例以及实施例中的各个特征可以相互结合，均在本发明的保护范围之内。另外，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0039]本发明实施例提供了一种存储医学图像的方法，如图1所示，包括以下步骤:
[0040]步骤101，提取图像库中的各个医学图像的轮廓特征，根据轮廓特征，对图像库中的医学图像进行分类。
[0041]具体地，由于不同组织部位的影像(例如，大脑、心脏和血管)具有明显的轮廓差异，可以通过一系列方法(例如，先验知识法、数学形态法和神经动力学方法)提取医学图像的轮廓特征，并根据轮廓特征，采用聚类方法(例如，K均值、层次聚类和支持向量机)对医学图像进行分类。
[0042]步骤102，分别对各类医学图像组建三维张量，对三维张量执行傅立叶变换，得到三维傅立叶系数张量。
[0043]具体地，可以分别对各类医学图像组建三维张量，对三维张量逐层执行傅立叶变换，得到三维傅立叶系数张量，使每层图像的信息集中在傅立叶变换域的中心位置。
[0044]步骤103，使用三维随机欠采样模板，对三维傅立叶系数张量进行采样，将得到的样本点作为与该类医学图像对应的压缩存储数据，存储到存储服务器中。
[0045]本实施例中，可以将表现同一组织部位的医学图像聚合在一起，构建三维张量，以便有效地利用同一类图像间的结构相似性，使用三维随机欠采样模板在傅立叶域执行欠采样。
[0046]其中，三维随机欠采样模板如图2所示，其采样点是随机分布的，以保证采样模板与稀疏变换的不相关性；三维随机欠采样模板的每一层的采样点位置都不完全相同，使采样过程能尽可能获得多样化的数据信息；此外，由于目标数据的主要/关键信息集中在傅立叶域的中心区域，因此，三维随机欠采样模板的采样点更大概率地分布在数据的中心区域。
[0047]步骤104，将三维随机欠采样模板设置为保护数据。
[0048]步骤105，从存储服务器中获取压缩存储数据，获取与压缩存储数据对应的三维随机欠采样模板。
[0049]步骤106，根据压缩存储数据以及与压缩存储数据对应的三维随机欠采样模板，重建与压缩存储数据对应的医学图像。
[0050]具体地，可以采用以下公式重建与压缩存储数据对应的医学图像:
[0051 ] χ = argmin | | x | |! s.t.| | Φ Fm_b | 1ε
[0052]其中，m为与压缩存储数据对应的医学图像，χ为m的稀疏表示，即χ = Φ (m)，Φ为三维稀疏变换方法，F为m的逐层傅立叶变换，| | χ | |:为χ的L1范数，b为压缩存储数据，Φ为三维随机欠采样模板。在理论层面，χ = Φ (m)越稀疏，贝ij重建质量越高。