使用门控循环卷积神经网络对医学图像进行流式无损体数据压缩
图像与视频处理
2023-11-29 v1 硬件体系结构
机器学习
摘要
基于深度学习的无损压缩方法在压缩医学体数据图像方面具有显著优势。然而，许多基于学习的算法在实用性与压缩性能之间存在权衡。本文引入一种硬件友好的流式无损体数据压缩框架，仅使用其他基于学习的压缩框架千分之一的模型权重。我们提出一种门控循环卷积神经网络，结合多种卷积结构与融合门机制以捕获体数据图像中的切片间依赖关系。基于此类上下文信息，我们可以逐像素预测分布以进行熵编码。在软硬件协同设计原则指导下，我们在现场可编程门阵列（Field Programmable Gate Array）上实现所提框架，以实现增强的实时性能。大量实验结果表明，我们的方法在各种医学图像基准上优于传统无损体数据压缩器和最先进的基于学习的无损压缩方法。此外，我们的方法展现出鲁棒泛化能力与有竞争力的压缩速度。
引用
@article{arxiv.2311.16200,
title = {Streaming Lossless Volumetric Compression of Medical Images Using Gated Recurrent Convolutional Neural Network},
author = {Qianhao Chen and Jietao Chen},
journal= {arXiv preprint arXiv:2311.16200},
year = {2023}
}
备注
18 pages, 8 figures