【技术实现步骤摘要】
本专利技术涉及医疗图像传输方法，更具体地说，涉及一种基于大数据的医疗图像传输方法及其系统。
技术介绍
1、随着医疗技术的进步和数据存储能力的提升，医疗影像数据的应用日益广泛，涵盖了从日常健康检查到复杂病情诊断等多个方面。尤其是在放射成像、超声、核磁共振等影像领域，生成的大数据量为医生诊断提供了详实的信息支持。然而，医疗图像数据的特征是数据量大、密集度高、传输质量要求高，如何高效、可靠地传输这些大规模影像数据是现有技术中面临的重大挑战。
2、现有的医疗图像传输方法大多直接依赖于数据压缩和按序传输，缺乏对图像中不同区域信息密度的精细化区分。通常的方法是对图像进行整体压缩后直接传输，或将图像数据划分为相等的片段后按序传输。然而，医疗图像的不同区域往往具有显著的密度差异，图像中包含丰富组织信息的区域通常对诊断具有更高的价值，而其他背景区域则信息密度较低且重要性相对较低。现有技术没有有效的手段来区别处理这些区域，导致关键数据传输的效率和顺序无法保障，影响了整体传输效率及诊断实时性。
3、此外，现有方法在处理图像传输时普遍采用静态的传输顺序，缺乏动态的优先级管理和调度机制。当网络带宽或存储空间受到限制时，关键影像数据和背景数据往往没有明确的优先级划分，所有数据都按同样的规则处理。这种静态传输机制的最大缺陷在于无法确保关键数据的优先传输，进而可能导致医生无法及时接收到重要的影像信息，影响诊断效果和效率。
4、在对数据传输质量的控制上，传统方法也存在不足。通常的图像压缩传输技术缺乏对数据传输过程中的链路稳定性
5、综上所述，现有的医疗图像传输技术在关键数据优先传输、动态数据调度、图像重构质量保障等方面尚有较大提升空间，难以满足日益增长的医疗数据传输需求。迫切需要一种能够识别图像中不同区域信息密度差异、动态调整传输优先级和提升图像重构质量的图像传输方法。
技术实现思路
1、针对现有医疗图像传输方法的不足，本专利技术提出了一种基于大数据的医疗图像传输方法及系统，主要解决以下技术问题：如何在医疗图像传输过程中识别高密度信息区域并给予优先处理，以提高数据传输效率和图像重构质量；如何通过动态调度和优化算法，适应不同的网络传输条件，使得数据传输过程更加稳定、可靠；如何在传输过程中平衡数据压缩和关键数据的完整性，确保图像传输的准确性和实时性。
2、本专利技术提供一种基于大数据的医疗图像传输方法，包括以下步骤：
3、从医疗设备获取医疗图像的数据信息值序列，将所述数据信息值序列划分为若干等长片段，获得所述片段序列；
4、基于所述片段序列中的每一片段，确定每一片段的分布密度梯度，所述分布密度梯度为片段内部数据信息密度的变化速率，并基于每两个相邻片段的分布密度梯度获得初始关联度矩阵；
5、对所述初始关联度矩阵进行动态权重归一化和偏移调节，获得归一化后的关联度矩阵；
6、基于所述归一化后的关联度矩阵，通过多级投影聚合生成递增权值矩阵，获得每一对片段的递增权值；
7、基于所述递增权值矩阵，应用差异性自适应滤波方法获得差异性优化矩阵；
8、基于所述差异性优化矩阵，应用幂律分布模型生成最终分配矩阵，获得每个片段的传输优先级；
9、基于所述最终分配矩阵确定所述片段的传输顺序，以实现所述医疗图像数据的有序传输。
10、作为优选，所述分布密度梯度用于表征每个片段中信息值的密度变化，其中每个片段的分布密度梯度gi为片段si的密度变化速率，表示为：
11、
12、其中gi为片段si的分布密度梯度，sk表示第k个数据信息值，l表示片段的长度。
13、作为优选，所述初始关联度矩阵中的关联度基于相邻片段的分布密度梯度差获得，所述关联度通过以下公式确定：
14、
15、其中rij为片段si和sj的初始关联度，gi和gj分别为片段si和sj的分布密度梯度，∈为防止除零的微小常数。
16、作为优选，所述归一化算法包括以下步骤：
17、对所述初始关联度rij进行最大最小归一化和偏移调节，所述归一化后的关联度矩阵元素n(rij)通过以下公式获得：
18、
19、其中n(rij)为归一化后的关联度，min(rij)和max(rij)分别为关联度的最小值和最大值，δ为防止除零的偏移常数，β为归一化幅度调节权重，γ为偏移调节倍率。
20、作为优选，所述归一化后的关联度矩阵通过多级投影聚合生成递增权值矩阵，所述递增权值通过以下公式获得：
21、
22、其中wij表示片段si和sj的递增权值，rij为片段si和sj的关联度，pik表示片段si与片段sk的几何投影，ζ为调节投影权值均匀性的调节因子，η为递增权值调节参数，n为投影迭代次数。
23、作为优选，所述差异性优化矩阵的每一元素通过以下公式获得：
24、
25、其中fij表示滤波后的差异性优化值，wij为片段si和sj的递增权值，λ为自适应调整系数，κ为滤波梯度调节系数，θ为差异性阈值。
26、作为优选，所述幂律分布模型应用以下公式获得：
27、
28、其中qij表示片段si和片段sj的传翰优先级，fij为差异性优化矩阵的元素，α为幂律分布的比例因子，ω为分布权重指数。
29、作为优选，所述分布密度梯度计算步骤、初始关联度矩阵计算步骤、动态权重归一化和偏移调节步骤、多级投影聚合步骤、差异性自适应滤波步骤及幂律分布模型生成最终分配矩阵步骤的数据处理流程顺序形成闭环，以确保所述医疗图像传输数据流的有效性和优先级控制。
30、一种基于大数据的医疗图像传输系统，包括处理模块和通信模块，所述处理模块用于实现所述的步骤，所述通信模块用于在所述医疗设备与接收模块之间传输所述数据信息值序列。
31、作为优选，所述通信模块包括无线通信模块，用于通过无线方式传输所述数据信息值序列，以实现数据的安全性和隐私保护。
32、专利技术具有以下有益效果：
33、本专利技术提出的基于大数据的医疗图像传输方法及系统，通过一系列创新性的算法和调度机制，在传输效率和数据完整性方面取得了显著提升。首先，本专利技术通过分布密度梯度计算有效识别医疗图像中的高信息密度区域。分布密度梯度算法基于片段内部数据信息的密集度变化，能够迅速分辨出包含关键诊断信息的区域，并赋予其更高的优先级，从而在数据传输时优先处理重要数据。这种算法有效地解决了传统方法中图像信息密集区域未能优先传输的问题，大大提高了重要数据的传输速度。
34、在传输顺序管理上，本专利技术通过多级投影聚合生成递增权值矩阵，使得各本文档来自技高网...
【技术保护点】
1.一种基于大数据的医疗图像传输方法，特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的医疗图像传输方法，其特征在于，所述分布密度梯度用于表征每个片段中信息值的密度变化，其中每个片段的分布密度梯度Gi为片段Si的密度变化速率，表示为：
3.根据权利要求2所述的一种基于大数据的医疗图像传输方法，其特征在于，所述初始关联度矩阵中的关联度基于相邻片段的分布密度梯度差获得，所述关联度通过以下公式确定：
4.根据权利要求3所述的一种基于大数据的医疗图像传输方法，其特征在于，所述归一化算法包括以下步骤：
5.根据权利要求4所述的一种基于大数据的医疗图像传输方法，其特征在于，所述归一化后的关联度矩阵通过多级投影聚合生成递增权值矩阵，所述递增权值通过以下公式获得：
6.根据权利要求5所述的一种基于大数据的医疗图像传输方法，其特征在于，所述差异性优化矩阵的每一元素通过以下公式获得：
7.根据权利要求6所述的一种基于大数据的医疗图像传输方法，其特征在于，所述幂律分布模型应用以下公式获得：
8.根据权利
9.一种基于大数据的医疗图像传输系统，其特征在于，包括处理模块和通信模块，所述处理模块用于实现权利要求1-8任一所述的步骤，所述通信模块用于在所述医疗设备与接收模块之间传输所述数据信息值序列。
10.根据权利要求9所述的一种基于大数据的医疗图像传输系统，其特征在于，所述通信模块包括无线通信模块，用于通过无线方式传输所述数据信息值序列，以实现数据的安全性和隐私保护。
...【技术特征摘要】
1.一种基于大数据的医疗图像传输方法，特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的医疗图像传输方法，其特征在于，所述分布密度梯度用于表征每个片段中信息值的密度变化，其中每个片段的分布密度梯度gi为片段si的密度变化速率，表示为：
3.根据权利要求2所述的一种基于大数据的医疗图像传输方法，其特征在于，所述初始关联度矩阵中的关联度基于相邻片段的分布密度梯度差获得，所述关联度通过以下公式确定：
4.根据权利要求3所述的一种基于大数据的医疗图像传输方法，其特征在于，所述归一化算法包括以下步骤：
5.根据权利要求4所述的一种基于大数据的医疗图像传输方法，其特征在于，所述归一化后的关联度矩阵通过多级投影聚合生成递增权值矩阵，所述递增权值通过以下公式获得：
6.根据权利要求5所述的一种基于大数据的医疗图像传输方法，其特征在于，所述差异性优化矩阵的每一元素通过以...
【专利技术属性】
技术研发人员：王志海，孙文菊，李萌，王荣，
申请(专利权)人：通华大数据科技烟台有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。