一种基于深度学习的医疗视频实时压缩方法和系统与流程

本发明属于视频压缩，具体涉及一种基于深度学习的医疗视频实时压缩方法和系统。

背景技术：

1、近年来，信息技术发展十分迅速，大数据、人工智能等相关研究的快速进步，不仅在互联网领域大放光彩，也为农业，建设，甚至是医疗等行业带来了便利。

2、医疗信息化建设一直是医疗卫生领域重要的发展方向之一，利用信息技术数据获取、数据分析、数据转化等方面独特优势，能有效提高诊疗的效率，不仅能使医生获取更为详细和充分的信息，做出准确的判断，也能减轻医生的负担。

3、呼吸内镜是一项重要的诊疗技术，已经渗透在整个呼吸系统疾病的诊断和治疗过程中，是呼吸介入病学的重要组成之一。在呼吸内镜的诊疗过程中，对视频传输的时效性和图像显示的准确性要求极高，要实现高效且清晰视频传输，视频压缩技术尤为重要。

4、视频压缩能节省存储数据所需的大量存储空间，提供高质量的视频画面。在过去的十年里，基于深度神经网络的机器学习方法在各种cv(computer vison，计算机视觉)领域的研究中，取得了革命性的进步。

5、现有的视频压缩技术是通过去除视频图像中的冗余部分，对图像进行编码来减少图像存储的大小。压缩将减少网络中数据传输所需的信息，从而减少设备的存储空间和传输的数据量大小，对提高网络传输的效率，提高实时性很有价值。但是编码尽管消除了冗余，缩减了数据大小，同时会导致图像分辨率的损失和额外的图像造成，导致图像失真，对人类的视觉感知产生影响，也就是说，现有的视频压缩技术往往是以牺牲图像质量来换取压缩效率，这一点对于要求高精度的医疗视频比如内镜视频而言是无法接受的。

技术实现思路

1、为了解决现有的视频压缩技术往往以牺牲图像质量来换取压缩效率，会导致图像分辨率的损失以及额外的图像噪声，导致图像失真的技术问题，本发明提供一种基于深度学习的医疗视频实时压缩方法和系统。

2、第一方面

3、本发明提供了一种基于深度学习的医疗视频实时压缩方法，包括：

4、s101：获取医疗视频数据，按帧提取图像帧；

5、s102：通过卷积神经网络，识别图像帧中的重复帧；

6、s103：通过基于注意力机制的长短期记忆网络，删除图像帧中的重复帧，并记录删除位置；

7、s104：通过生成对抗网络，检测删除重复帧后的医疗视频数据中的图像帧的变化情况，在通过长短期记忆网络记录的删除位置处，生成图像帧并插入；

8、s105：对各个图像帧中的像素点进行逐个比对，将图像帧中的像素转化为红、绿或者蓝中的一者；

9、s106：通过奇异值分解，对各个图像帧进行压缩；

10、s107：通过编码器，将压缩后图像帧按照标准打包并转换为视频格式。

11、第二方面

12、本发明提供了一种基于深度学习的医疗视频实时压缩系统，用于执行第一方面中的基于深度学习的医疗视频实时压缩方法。

13、与现有技术相比，本发明至少具有以下有益技术效果：

14、(1)在本发明中，通过卷积神经网络和基于注意力机制的长短期记忆网络，可以准确地识别并删除图像帧中的重复帧，消除冗余信息，并减少数据的大小，提高了视频压缩以及传输的效率。

15、(2)在本发明中，通过生成对抗网络，可以检测医疗视频数据中的图像帧的变化情况，并在删除位置处生成并插入新的图像帧，可以填补删除重复帧造成的空缺，减少图像的失真和不连续性，提升图像质量，保证图像不失真。

16、(3)在本发明中，对于医疗视频而言，形状信息的价值远大于颜色信息，通过逐个比对像素点并将其转化为红、绿或蓝中的一者，可以减少相对不重要的颜色信息，进一步减小图像数据的大小，提高网络传输的效率。

17、(4)在本发明中，通过奇异值分解对图像帧进行压缩，可以提取图像的主要特征并减少数据的维度，进一步在减小数据的大小、提高网络传输的效率的同时，保留图像的关键信息，保证图像不失真。

技术特征：

1.一种基于深度学习的医疗视频实时压缩方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的医疗视频实时压缩方法，其特征在于，所述s102具体包括：

3.根据权利要求2所述的基于深度学习的医疗视频实时压缩方法，其特征在于，所述软阈值ψ的确定方式为：

4.根据权利要求1所述的基于深度学习的医疗视频实时压缩方法，其特征在于，所述s103具体包括：

5.根据权利要求1所述的基于深度学习的医疗视频实时压缩方法，其特征在于，所述s104具体包括：

6.根据权利要求1所述的基于深度学习的医疗视频实时压缩方法，其特征在于，所述s105具体包括：

7.根据权利要求1所述的基于深度学习的医疗视频实时压缩方法，其特征在于，所述s106具体包括：

8.根据权利要求1所述的基于深度学习的医疗视频实时压缩方法，其特征在于，所述s107具体包括：

9.根据权利要求1所述的基于深度学习的医疗视频实时压缩方法，其特征在于，还包括：

10.一种基于深度学习的医疗视频实时压缩系统，其特征在于，用于执行权利要求1至9任一项所述的基于深度学习的医疗视频实时压缩方法。

技术总结
本发明公开了一种基于深度学习的医疗视频实时压缩方法和系统，属于视频压缩技术领域，方法包括：获取医疗视频数据，按帧提取图像帧；通过卷积神经网络，识别图像帧中的重复帧；通过基于注意力机制的长短期记忆网络，删除图像帧中的重复帧，并记录删除位置；通过生成对抗网络，检测删除重复帧后的医疗视频数据中的图像帧的变化情况，在通过长短期记忆网络记录的删除位置处，生成图像帧并插入；对各个图像帧中的像素点进行逐个比对，将图像帧中的像素转化为红、绿或者蓝中的一者；通过奇异值分解，对各个图像帧进行压缩；通过编码器，将压缩后图像帧按照标准打包并转换为视频格式。

技术研发人员：张云辉,杨振,孟金良,杜艳红,张永强,张图,叶锦华
受保护的技术使用者：云南省第一人民医院
技术研发日：
技术公布日：2024/1/16