一种图像导出方法、图像读取方法、装置及图像传输系统制造方法及图纸

本发明专利技术公开了一种图像导出方法、图像读取方法、装置及图像传输系统。该图像导出方法包括：将待导出图像输入到预先训练完成的目标特征编码器中；通过所述目标特征编码器中的浅层编码器，基于输入的待导出图像，输出浅层特征数据；通过所述目标特征编码器中的深层编码器，对所述浅层编码器输出的浅层特征数据执行至少一次特征提取操作，输出深层特征数据；将所述待导出图像对应的浅层特征数据和深层特征数据作为导出数据导出到图像读取端。本发明专利技术实施例解决了传统导出数据的数据量大的问题，提高了导出数据的传输效率，降低了导出数据的存储成本。存储成本。存储成本。

【技术实现步骤摘要】
一种图像导出方法、图像读取方法、装置及图像传输系统


[0001]本专利技术涉及图像压缩
，尤其涉及一种图像导出方法、图像读取方法、装置及图像传输系统。

技术介绍

[0002]在医学影像领域，通常将医学影像系统采集到的图像图像导出成DICOM格式，然后对影像数据进行传输、拷贝或存储。
[0003]但一些医学影像系统输出的DICOM格式的图像数据的数据量巨大，如三维乳腺超声系统在采集图像时，通常需要对受检者进行多个体位的扫查，每个体位的图像大小至少有120MB
‑
200MB，因而每个受检者采集的三维乳腺超声影像数据的总大小约有500MB
‑
1500MB。
[0004]图像数据的数量太大，不仅会降低图像数据的传输效率，也会占用大量的存储空间，进而产生大量的存储成本。

技术实现思路

[0005]本专利技术实施例提供了一种图像导出方法、图像读取方法、装置及图像传输系统，以解决传统导出数据的数据量大的问题，提高导出数据的传输效率，降低导出数据的存储成本。
[0006]根据本专利技术一个实施例提供了一种图像导出方法，应用于图像导出端，该方法包括：
[0007]将待导出图像输入到预先训练完成的目标特征编码器中；
[0008]通过所述目标特征编码器中的浅层编码器，基于输入的待导出图像，输出浅层特征数据；
[0009]通过所述目标特征编码器中的深层编码器，对所述浅层编码器输出的浅层特征数据执行至少一次特征提取操作，输出深层特征数据；
[0010]将所述待导出图像对应的浅层特征数据和深层特征数据作为导出数据导出到图像读取端。
[0011]根据本专利技术另一个实施例提供了一种图像读取方法，该方法包括：
[0012]将从图像导出端导出的导出数据输入到预先训练完成的目标特征解码器中；其中，所述导出数据包括浅层特征数据和深层特征数据；
[0013]通过所述目标特征解码器中的深层解码器，对输入的深层特征数据执行至少一次特征解码操作，输出深层解码数据；
[0014]通过所述目标特征解码器中的浅层解码器，基于输入的浅层特征数据以及所述深层解码器输出的深层解码数据，输出导入图像。
[0015]根据本专利技术另一个实施例提供了一种图像导出装置，应用于图像导出端，该装置包括：
[0016]待导出图像输入模块，用于将待导出图像输入到预先训练完成的目标特征编码器中；
[0017]浅层特征数据输出模块，用于通过所述目标特征编码器中的浅层编码器，基于输入的待导出图像，输出浅层特征数据；
[0018]深层特征数据输出模块，用于通过所述目标特征编码器中的深层编码器，对所述浅层编码器输出的浅层特征数据执行至少一次特征提取操作，输出深层特征数据；
[0019]导出数据导出模块，用于将所述待导出图像对应的浅层特征数据和深层特征数据作为导出数据导出到图像读取端。
[0020]根据本专利技术另一个实施例提供了一种图像读取装置，应用于图像读取端，该装置包括：
[0021]导出数据输入模块，用于将从图像导出端导出的导出数据输入到预先训练完成的目标特征解码器中；其中，所述导出数据包括浅层特征数据和深层特征数据；
[0022]深层解码数据输出模块，用于通过所述目标特征解码器中的深层解码器，对输入的深层特征数据执行至少一次特征解码操作，输出深层解码数据；
[0023]导入图像输出模块，用于通过所述目标特征解码器中的浅层解码器，基于输入的浅层特征数据以及所述深层解码器输出的深层解码数据，输出导入图像。
[0024]根据本专利技术另一个实施例提供了一种图像传输系统，该图像传输系统包括：图像导出端和图像读取端，所述图像导出端和所述图像读取端通信连接；
[0025]其中，所述图像导出端包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的图像导出方法；
[0026]所述图像读取端包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的图像读取方法；
[0027]根据本专利技术另一个实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的图像导出方法，和/或，图像读取方法。
[0028]本专利技术实施例的技术方案，通过将待导出图像输入到预先训练完成的目标特征编码器中，通过目标特征编码器中的浅层编码器，基于输入的待导出图像，输出浅层特征数据，通过目标特征编码器中的深层编码器，对浅层编码器输出的浅层特征数据执行至少一次特征提取操作，输出深层特征数据，将待导出图像对应的浅层特征数据和深层特征数据作为导出数据导出到图像读取端，解决了传统导出数据的数据量大的问题，提高了导出数据的传输效率，降低了导出数据的存储成本。
[0029]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0030]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]图1为本专利技术一个实施例所提供的一种图像导出方法的流程图；
[0032]图2为本专利技术一个实施例所提供的一种浅层编码器的网络架构图；
[0033]图3为本专利技术一个实施例所提供的一种深层编码器的网络架构图；
[0034]图4为本专利技术一个实施例所提供的一种特征编码器的网络架构图；
[0035]图5为本专利技术一个实施例所提供的一种权重残差单元的网络架构图；
[0036]图6为本专利技术一个实施例所提供的一种图像读取方法的流程图；
[0037]图7为本专利技术一个实施例所提供的一种浅层解码器的网络架构图；
[0038]图8为本专利技术一个实施例所提供的一种图像导出装置的结构示意图；
[0039]图9为本专利技术一个实施例所提供的一种图像读取装置的结构示意图；
[0040]图10为本专利技术一个实施例所提供的一种图像传输系统的结构示意图；
[0041]图11为本专利技术一个实施例所提供的一种图像传输系统的具体实例的结构示意图；
[0042]图12为本专利技术一个实施例所提供的一种初始图像生成模块的具体实例的网络架构图；
[0043]图13为本专利技术一个实施例所提供的一种电子设备的结构示意图。
具体实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像导出方法，其特征在于，应用于图像导出端，包括：将待导出图像输入到预先训练完成的目标特征编码器中；通过所述目标特征编码器中的浅层编码器，基于输入的待导出图像，输出浅层特征数据；通过所述目标特征编码器中的深层编码器，对所述浅层编码器输出的浅层特征数据执行至少一次特征提取操作，输出深层特征数据；将所述待导出图像对应的浅层特征数据和深层特征数据作为导出数据导出到图像读取端。2.根据权利要求1所述的方法，其特征在于，所述浅层编码器中包含第一升维卷积层、第二升维卷积层、特征卷积层、融合层、降维卷积层和平均池化层；其中，所述第一升维卷积层，用于对输入的待导出图像执行升维操作输出第一升维图像；所述第二升维卷积层，用于对输入的待导出图像执行升维操作输出第二升维图像；所述特征卷积层，用于对所述第一升维卷积层输出的第一升维图像执行特征提取操作，输出特征图像；所述融合层，用于基于所述特征卷积层输出的特征图像和所述第二升维卷积层输出的第二升维图像，输出融合图像；所述降维卷积层，用于对所述融合层输出的融合图像执行降维操作输出降维图像；所述平均池化层，用于对所述降维卷积层输出的降维图像执行池化处理，输出浅层特征数据；其中，所述第一升维卷积层、第二升维卷积层和特征卷积层的卷积核数均为第一数值，所述降维卷积层的卷积核数为第二数值，所述第一数值大于所述第二数值。3.根据权利要求2所述的方法，其特征在于，所述深层编码器中包含至少一组依次串联的深层编码模块，所述深层编码模块包括卷积层、特征编码器和平均池化层；其中，所述深层编码器中的第一个深层编码模块中的卷积层，用于对所述浅层编码器输出的浅层特征数据执行升维处理，输出卷积特征数据；所述特征编码器，用于对所述卷积层输出的卷积特征数据执行特征提取操作，输出编码特征数据；所述平均池化层，用于对所述特征编码器输出的编码特征数据执行池化处理，输出中间特征数据；所述卷积层的卷积核数为第三数值，所述第一数值与所述第三数值相同，或者，所述第一数值为所述第三数值的一半。4.根据权利要求3所述的方法，其特征在于，所述特征编码器中包含第一特征提取模块、第二特征提取模块和第三特征提取模块，所述第一特征提取模块，用于对所述卷积层输出的卷积特征数据执行第一特征提取操作，输出第一特征数据；所述第二特征提取模块，用于对所述第一特征提取模块输出的第一特征数据执行第二特征提取操作，输出第二特征数据；所述第三特征提取模块，用于基于所述卷积层输出的卷积特征数据以及所述第二特征提取模块输出的第二特征数据，输出编码特征数据。5.一种图像读取方法，其特征在于，应用于图像读取端，包括：将从图像导出端导出的导出数据输入到预先训练完成的目标特征解码器中；其中，所述导出数据包括浅层特征数据和深层特征数据；通过所述目标特征解码器中的深层解码器，对输入的深层特征数据执行至少一次特征解码操作，输出深层解码数据；通过所述目标特征解码器中的浅层解码器，基于输入的浅层特征数据以及所述深层解码器输出的深层解码数据，输出导入图像。
6.根据权利要求5所述的方法，其特征在于，所述深层解码器中包含至少一组依次串联的深层解码模块，所述深层解码模块包括卷积层、特征解码器和上采样层；其中，所述深层解码器中的第一个深层解码模块中的所述卷积层，用于对输入的深层特征数据执行卷积处理，输出卷积特征数据；所述特征解码器，用于对所述卷积层输出的卷积特征数据执行特征解码操作，输出解码特征数据；所述上采样层，用于对所述特征解码器输出的解码特征数据执行上采样处理，输出参考特征数据；其中，所述卷积层的卷积核数为第三数值。7.根据权利要求6所述的方法，其特征在于，所述浅层解码器中包含升维卷积层...

【专利技术属性】
技术研发人员：黄俊，黄正阳，赵洪，顾翔，
申请(专利权)人：无锡博思微视医疗科技有限公司，
类型：发明
国别省市：