基于矩阵计算的组织病理学图像压缩储存算法

摘要：

目的 评价基于矩阵计算的组织病理学图像压缩储存算法的临床应用价值,并寻求最佳图像压缩比.方法 利用主成分分析法(principal component analysis,PCA)和奇异值分解法(singular value decomposition,SVD)两种经典矩阵算法,对低、中、高分化的宫颈癌组织免疫组化染色图像及HE染色图像进行压缩重建,并采用峰值信噪比和结构相似度针对图像重建质量进行评价.结果 PCA重建图像压缩比为10.18(保留53个主成分)时,低、中、高分化宫颈癌组织免疫组化染色图像峰值信噪比均值分别为43.84±0.43、43.27±0.25、43.71±0.49,压缩图像结构相似度分别为0.964±0.004、0.963±0.006、0.965±0.005;HE染色图像峰值信噪比均值分别为43.41±0.78、42.95±1.03、43.52±0.69,压缩图像结构相似度分别为0.953±0.010、0.949±0.015、0.960±0.007.SVD重建图像压缩比为10.00(保留128个奇异值)时,低、中、高分化宫颈癌组织免疫组化染色图像峰值信噪比均值分别为39.89±1.69、38.20±2.19、40.90±0.50,压缩图像结构相似度分别为0.949±0.006、0.938±0.011、0.955±0.004;HE染色图像峰值信噪比均值分别为40.31±0.98、39.46±1.59、40.77±1.67,压缩图像结构相似度分别为0.965±0.006、0.943±0.010、0.969±0.005.结论 采用PCA和SVD可实现对组织病理学图像进行压缩储存并获得较好的图像质量,为解决医院图像存储难题提供了解决方案.

关键词：图像压缩、主成分分析法、奇异值分解法、图像质量评估

所属期刊栏目：13

分类号：R735;TP183(肿瘤学)

资助基金：北京协和医学基金会瞳行病理公益项目

在线出版日期：2022-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：620-625