深度卷积网络驱动的医学图像压缩与重建  

作　　者：简丽琼[1] 

机构地区：[1]宁夏回族自治区血液中心

出　　处：《数字技术与应用》2024年第11期140-142,共3页Digital Technology & Application

基　　金：宁夏自然科学基金项目“基于正交矩的图像压缩研究”(2022AAC03704)。

摘　　要：随着医学影像技术的快速发展,医疗机构每天产生海量的高分辨率医学图像数据,给存储和传输带来了巨大挑战。近年来,深度学习技术在图像处理领域取得了突破性进展。本文通过设计双向卷积神经网络结构,实现了高效的医学图像压缩和精确重建。实验结果表明,该方法在压缩比为20∶1时,峰值信噪比(PSNR)达到38.5 dB,结构相似性(SSIM)为0.965,优于传统JPEG2000等方法。此外,重建图像质量评估显示,该方法能有效保留关键诊断信息,为解决医学大数据存储与传输难题提供了新的思路和可靠保障。

关 键 词：卷积神经网络 深度卷积网络 图像质量评估 大数据存储 JPEG2000 医学图像压缩 医学影像技术 深度学习技术 

分 类 号：R318[医药卫生—生物医学工程] TP391.41[医药卫生—基础医学] TP183[自动化与计算机技术—计算机应用技术]