Resumen

El número de imágenes médicas que se almacenan y comunican a diario aumenta rápidamente, de acuerdo con la necesidad de estas imágenes en los diagnósticos médicos. Por lo tanto, el espacio de almacenamiento y los anchos de banda necesarios para almacenar y comunicar estas imágenes están aumentando exponencialmente, lo que ha atraído la atención hacia la compresión de estas imágenes. En este estudio se propone un nuevo método de compresión para imágenes médicas basado en redes neuronales convolucionales. La red neuronal propuesta consta de dos etapas principales: una etapa de segmentación y un autocodificador. La etapa de segmentación se utiliza para reconocer la región de interés (ROI) en la imagen y proporcionarla a la etapa de autocodificación, de modo que se aplica más énfasis en la información de la ROI. La parte del autocodificador de la red neuronal contiene una capa de cuello de botella que tiene una octava parte de las dimensiones de la imagen de entrada. Los valores de esta capa se utilizan para representar la imagen, mientras que las capas siguientes se emplean para descomprimir las imágenes, una vez entrenada la red neuronal. El método propuesto se evalúa utilizando el conjunto de datos CLEF MED 2009, donde los resultados de la evaluación muestran que el método tiene un rendimiento significativamente mejor, en comparación con los métodos existentes del estado de la técnica, proporcionando más imágenes visualmente similares utilizando menos datos.

• Materias:Factores en cubiertas Comportamiento del hormigón Control de caída Evaluación de la calidad
• Subjects:Roofing factors Concrete behavior Slump control Quality assessment
• Palabras claves:red neuronal, imágenes, imágenes médicas, etapa de segmentación, redes neuronales convolucionales, nuevo método de compresión, ROI, imagen, método, CLEF MED
• Keywords:neural network, images, medical images, segmentation stage, convolutional neural networks, new compression method, ROI, image, method, CLEF MED