医学图像压缩与视觉任务联合优化方法

摘要

针对医学图像处理中依赖独立编码组件无法实现数据压缩与机器视觉任务联合优化的问题，本文构建了一种端到端的机器视觉任务驱动的医学图像压缩网络（machine vision task-driven medical image compression network,MVMICNet）模型，端到端地实现数据压缩与医学图像分析的和谐统一.为了保持医学图像压缩前后机器视觉任务的性能，设计了任务感知的改进码率-准确率损失函数，通过引入任务相关的损失项，在优化过程中动态平衡码率、重建图像失真与机器视觉任务精度三者之间的关系；同时，MVMICNet模型采用分阶段训练的模式，针对机器视觉任务的不同特性进行特定的优化，确保了模型能够精准捕获对诊断至关重要的特征信息，实现了压缩效率与任务性能的同步提升，从而在复杂的医学应用场景中展现出更优越的鲁棒性；最终，本文在语义分割和目标检测任务中验证了该框架的有效性.

关键词

医学图像压缩 / 语义分割 / 目标检测 / 卷积神经网络(CNN) / 任务驱动优化