神经影像压缩算法实现

1、神经影像数据压缩算法及实现 调研报告 毕业设计调研报告神经影像数据压缩算法及实现 题 目 指导教师 支国明 学生姓名 罗鹏超 学 院 信息科学与工程学院 专业班级 电子信息1102班 本科生院制2015年5月神经影像数据压缩算法及实现摘 要当今世界随着互联网技术的迅速发展和图像压缩方法的广泛研究，产生了新的医疗技术，比如远程医疗诊断、远程医学教育和远程手术等。使病人在原地即可得到远地专家的会诊及治疗，从而大量节约了医生和病人的时间和金钱、也提高了效率。因此，医学影像的存储和传输即成为了其中的关键。但是，目前大多数远程医疗系统都是在高速网络上实现的，而Intemet的网络速度根本达不到这个要求。

2、所以，为了能在Internet上快速传输医学影像，我们必须将它们进行压缩。原则上讲，由于诊断的需要，对医学影像的精确度往往要求比较高，因此医学影像数字化后需要的存储量也很大，为了保证医学影像的使用质量，现在的医学影像在传输时常需采用无损压缩，但是医学影像的数据量往往远大于普通图像，所以利用这种压缩传输方法获得的图像会占用相当大的带宽，也大大降低了传输时的速度。因此采用无损压缩方法的效率太低以至于难以应用于实际的医学影像压缩中。为了有效地利用网络带宽和节约存储空间，有损压缩传输方法的研究就显得十分重要。然而，如何来解决有损压缩传输后对医学影像质量的影响，保证被诊断的医学影像经有损压缩传输后的真实

3、性，是本文研究的目的。本篇论文涉及医学、神经科学和心理学中较新的神经影像（neuroimaging）处理领域，具体涉及一种基于视频编码标准的医学影像数据压缩方法，更具体涉及两种种利用AVC和HEVC（HighEfficiency Video Coding，高效视频编码）视频编码标准对神经影像数据进行压缩编码的方法。关键字：神经影像 数据传输 HEVC/AVC 压缩编码Neuroimaging data compression algorithm and implementation ABSTRACT Nowadays with the rapid development of Internet

4、 technology and image compression method of extensive research, resulting in a new medical technologies, such as remote medical diagnosis. So that the patient can get far expert consultation, thus saving the time and money for doctors and patients, and improving the efficiency. Therefore, the storag

5、e and transmission of medical images becomes the key of the medical image. However, most of the remote medical system is realized at the high-speed network, and the network speed of the Intemet cant reach this requirement.So in order to transmit medical images quickly on Internet, we must compress t

6、hem.Principle, due to the need of diagnosis and the accuracy of medical images often require relatively high, so storage of digital medical imaging needs is also great, in order to ensure the service quality of the medical imaging, medical images are now in the transmission often need the lossless c

7、ompression, but is amount of medical image data is often much larger than the ordinary images, so use this compression and transmission method for image will occupy a considerable bandwidth, also greatly reduces the transmission speed. So the efficiency of the lossless compression method is too low

8、to be applied in the real medical image compression. This paper relates to the field of medicine, neuroscience and psychology in the relatively new neuroimaging neuroimaging processing, in particular to a video coding standard based medical image data compression method, and more particularly to two

9、 kinds of the AVC and hevc (High Efficiency video coding) video coding standard of neuroimaging data of compression coding method.Key words：neuroimaging Data transmission HEVC / AVC Compression coding目 录第1章 绪论1第2章 背景知识32.1 基于小波变换的压缩标准32.1.1 JPEG2000压缩标准32.2 基于视频编码的编码标准42.2.1 H.264/AVC介绍42.2.2 HEVC/H

10、.265介绍4第3章 着力解决的问题5第4章 解决方案64.1 压缩思路及其流程如下所示64.2 基于HEVC的神经影像数据压缩方法包括以下步骤74.3 神经影像视觉图及帧平面立体图84.3.1 大脑神经影像数据图形界面模型如下84.3.2 所述帧平面标识定义8第5章 压缩算法主程序95.1 对原始序列进行压缩的主程序如下面所述95.2 维度转换部分程序11第6章 方案运行结果136.1 调试及压缩结果显示136.2 无损编码结果序列及执行日志文件如下图146.3 压缩结果显示15第7章 调研总结17参考文献18第1章 绪论随着医学成像技术的不断进步，MRI（Magnetic Resonanc

11、e Imaging，磁共振成像）和CT（Computed Tomography，计算机断层扫描）已成为临床诊断和科学研究中必不可少的辅助手段。由于可以安全、无创伤地获取高分辨率的大脑图像，自上世纪 80 年代以来，MRI已成为革命性的标准神经成像工具，极大地推动了医学、神经生理学和认知神经科学的迅速发展。随着神经影像技术的迅猛发展，各医疗、研究机构的神经影像数量不断累积，造成机构之间共享以及机构内部存储、管理和访问这些庞大的神经影像资源愈加复杂。首先，不同机构和数据分析软件为实现神经影像资源的交换和共享，必须采用统一的标准格式充分描述影像元数据和影像数据；其次，各机构广泛使用影像归档和通信系统

12、（Picture Archiving and Communication Systems，PACS）进行神经影像的存贮、检索、分发和可视化，如何高效地存储、访问影像数据，并能在带宽各异的网络环境下实现影像传输亟需解决。2004年发布的神经影像通用存储格式NIfTI（Neuroimaging Informatics Technology Initiative，神经影像信息技术倡议）很好地解决了不同机构、不同分析软件间的数据共享问题，已成为神经影像的标准格式，获得了广泛应用。NIfTI格式虽然解决了数据共享问题，并可选用gzip标准压缩软件实现数据压缩，但由于未考虑影像层（slice)内、层间以及

13、体积（volume）间的数据相关性，依然存在影像数据过于庞大的问题，无法实现神经影像的高效存储和传输。因此，神经影像数据压缩是神经影像处理领域的重要研究问题，具有迫切的应用需求和广阔的应用前景。医学影像压缩算法可以分为无损压缩和有损压缩两类。相对无损压缩，有损压缩可以实现更高的压缩比，但无法正确重建原始影像，可能导致错误诊断或分析，因此，无损压缩通常是解决医学影像数据有效存储、传输问题的公认方法。针对高维医学影像的无损压缩方法主要分为基于小波变换的方法和基于预测编码的方法。前者利用离散小波变换去除数据冗余，如基于JPEG2000、3D-JPEG2000、4D-JPEG2000的医学影像压缩方法

14、；后者利用MC（Motion Compensation，运动补偿）或DPCM（Differential Pulse Code Modulation，差分脉冲编码调制）去除层内、层间或体积间的数据相关性，如基于H.264/AVC、HEVC视频编码标准的医学影像压缩方法。大量测试结果表明，基于预测编码的方法比基于小波变换的方法具有更高的压缩性能。Sanchez等人（V.Sanchez,P.Nasiopoulos,R.Abugharbieh.Efficient lossless compression 第 1 页 共 18 页of 4-D medical images based on the ad

15、vanced video coding scheme,IEEE Transactions on Information Technology in Biomedicine.vol.12,no.4,pp.442-446,July2008.）提出了一种基于H.264/AVC 视频编码标准的四维医学影像压缩方法。该方法通过将H.264/AVC的多参考帧运动补偿技术引入空间维度与时间维度的层间预测之中，有效地去除了各维度的数据冗余，与基于小波变换的方法相比，大幅提高了压缩效率。对上述基于H.264/AVC多参考帧运动补偿技术的医学影像无损压缩方法进行了改进，提出了一种用于功能性磁共振影像的无损压缩算法

16、。通过引入4-D运动搜索、可变尺寸块匹配和双向测机制，进一步降低了空间维度与时间维度的数据冗余。根据残差数据和运动矢量数据的统计特性，设计了适于对此类数据进行熵编码的上下文自适应二进制算数编码器，进一步提高了编码性能。随着具有更高压缩性能的新一代视频编码标准HEVC的正式发布，Sanchez等人（V.Sanchez, J. Bartrina-Rapesta. Lossless compression of medical images based on HEVC intra coding. IEEE International Conference on Acoustics,Speech an

17、d Signal Processing (ICASSP).pp. 6622-6626, May 2014.）提出了一种基于HEVC帧内预测编码的医学影像无损压缩方法。通过引入更细致的预测方向和基于像素的DPCM预测机制实现三维结构影像的无损压缩，与HEVC原始帧内预测编码相比，有效提升了压缩效率。第 2 页 共18页第2章 背景知识本文涉及医学、神经科学和心理学中较新的神经影像（neuroimaging）处理领域,具体涉及一种基于视频编码标准的医学影像数据压缩方法，更具体涉及一种利用HEVC（HighEfficiency Video Coding，高效视频编码）视频编码标准对神经影像数据进行压

18、缩编码的方法。2.1 基于小波变换的压缩标准2.1.1 JPEG2000压缩标准随着现代医学影像学的发展、计算机技术的日渐成熟、PACS作为医学图像的存储与传输系统的日渐普及，绝大多数医学影像已经由传统的模拟格式发展到了数字格式。据资料统计，医院产生的数字化资料每年以指数级的速度增长。在当前有限的网络带宽下要传输如此巨大的医学资料，将会是很大的负担。医学图像的比特深度一般在8-24bit之间，尺寸范围一般在256256到20002000pixels，并且一个序列往往有很多这般大小的切片，因此在PACS中需要提供大容量的存储空间来保存海量的医学图像数据。另外，在图像传输过程中，图像数据的大小会影

19、响到传输速度，所以，如何解决PACS中这些图像的存储和传输就显得至关重要。而解决这一问题的关键在于如何实现医学图像的有效压缩。这也是多年来图像处理技术的研究重点之一。JPEG2000作为一种新型图像压缩技术标准，它采取了小波变换和嵌入式编码压缩算法，并综合了现代图像处理的其他技术，具有很多优越的性能。JPEG与JPEG2000最大的差异在于，在提高压缩率的情况下，图像块失真突出的是JPEG。而几乎看不到这种图像块失真的是JPEG2000。这可以说是JPEG2000在视觉上的一个最大的特征陋删。JPEG2000的这些优点使得它很适用于医学图像的压缩。JPEG2000在医学图像压缩中的应用已得到初

20、步验证。将JPEG2000应用于8位数字乳腺图的压缩，实验表明，在压缩比15：1时可察觉到的重要医学信息的保存率达到99，同时由评估参数PSNR(峰值信噪比)分析表明压缩比80：l压缩原图可达到不影响临床诊断的性能陆嘲。在儿科临床数据库压缩应用中咖，将JPEG2000用于压缩来自cT。使用国际标准组织最新制定的JPEG2000静态影像压缩标准来尝试压缩医学影像。无损压缩时压缩比可以达$IJ32左右，而有损压缩时，经过JPEG2000标准压缩出的医学图像，在压缩比达到20时。大部分图像在视觉上和原始图像没有区别，不影响临床诊断。2.2 基于视频编码的编码标准2.2.1 H.264/AVC介绍采用

21、的一种新技术在先前的H.26x系列和MPEG-x系列标准中，都是采用的帧间预测的方式。在H.264中，当编码Intra图像时可用帧内预测。对于每个44块(除了边缘块特别处置以外)，每个像素都可用17个最接近的先前已编码的像素的不同加权和(有的权值可为0)来预测，即此像素所在块的左上角的17个像素。显然，这种帧内预测不是在时间上，而是在空间域上进行的预测编码算法，可以除去相邻块之间的空间冗余度，取得更为有效的压缩。2.2.2 HEVC/H.265介绍HEVC/H.265中，较大的图像可以是1个CU，也可以被划分成4个小的CU，小的CU对应的块可以被划分成4个更小的CU，知道码流里说明的最小CU为

22、止，因此CU的结构可以抽象为一个四叉树结构。HEVC/H.265标准规定CU不能小于8*8，码流中可以说明最小CU的尺寸是大雨8*8的。编码后平坦的区域用大尺寸块块表示，复杂的区域用小尺寸块表示，从而提高了编码效率。第3章 着力解决的问题虽然上述基于视频编码标准的医学影像无损压缩方法具有优秀的压缩性能，但仍然存在以下问题：（1）上述基于H.264/AVC的医学影像压缩方法虽然在编码性能上表现突出，但仅考虑了如何利用视频编码框架去除数据冗余，局限于通过改进视频编码器以提高其无损编码效率，而没有充分考虑医学影像数据在空间、时间上的相关性要远远高于视频编码所面向的自然场景。（2）由于在保持相同视觉质

23、量的前提下，HEVC的压缩效率比H.264/AVC提高一倍，因此，上述基于H.264/AVC的医学影像压缩方法还有较大的压缩比提升空间。（3）上述基于HEVC的医学影像压缩方法过于强调解码图像的随机访问需求，根据原始影像目标边缘丰富的特征，仅通过改进HEVC的帧内预测编码机制提高压缩效率，却忽略了压缩性能更为突出的 HEVC 帧间预测编码。（4）上述均涉及对标准视频编码器内部预测编码或熵编码机制的改动，产生的视频码流不再符合标准规定，无法利用标准解码器解码，势必影响此类方法的实际应用与推广实用性有待检验。（5）Razaak等人通过主客观图像质量评价测试证实当量化参数 QP 不大于3.5时，利用

24、HEVC对医用超声波影像进行有损压缩并不会影响诊断结论。因此，无损压缩方法并非医学影像压缩的唯一选择，在不影响诊断结论或分析结果的前提下，具有更高压缩性能的有损压缩方法显然是更好的选择。综上所述，一种实用的、可充分发挥最先进视频编码标准的压缩性以有效去除影像各维度的相关性、能面向不同使用场景兼顾无损压缩与有损压缩、可根据实际计算及存储资源情况灵活选择压缩性能与压缩开销相平衡的视频编码参数配置，并与NIfTI标准格式兼容的神经影像压缩方法亟待提供。第4章 解决方案4.1 压缩思路及其流程如下所示4.2 思路详述本文的目的在于针对上述已有技术的不足，提出了一种基于HEVC视频编码标准的神经影像数据

25、压缩方法，通过维度重排得到以不同维度作为编码帧方向的神经影像数据集合，利用高压缩性能的视频编码器对该集合中的神经影像数据进行视频编码，选择最小码流作为神经影像的压缩输出，在不改变标准视频码流结构的前提下，可充分消除神经影像在不同维度上的数据冗余，进一步提高神经影像数据的压缩效率；此外，可以根据实际应用场景的不同， 灵活地选用无损压缩和有损压缩， 通过面向用户的视频编码参数配置保持压缩性能与压缩开销之间的平衡，通过兼容NIfTI标准神经影像格式确保神经影像的通用性。4.2 基于HEVC的神经影像数据压缩方法包括以下步骤（1）提取NIfTI格式原始神经影像文件I的文件头H和神经影像数据D；将视频编

26、码器标识嵌入文件头H的说明字段；（2）对步骤（1）所述神经影像数据D进行维度重排，得到三个视频帧平面分别为所述神经影像数据D体积（volume）的横断面（axial plane）、冠状面（coronal plane）和矢状面（sagittal plane）的神经影像序列A、C和S；（3）分别对步骤（2）所述神经影像序列A、C和S进行帧平面填充，使各序列的帧宽和帧高能被步骤（1）所述视频编码器标识对应的视频编码器最小编码单元尺寸L整除；（4）根据步骤（1）所述视频编码器标识，使用相应的标准视频编码器对步骤（3）所述神经影像序列A、C和S进行视频编码，得到对应的神经影像序列压缩码流A，C和S；（5

27、）在步骤（4）所述神经影像压缩码流A、C和S中选择最小码流M作为步骤（1）所述神经影像数据D的最终压缩码流；将所述最小码流M对应的帧平面标识嵌入步骤（1）所述文件头H的说明字段；将所述文件头H与最小码流M合并，得到压缩后的神经影像文件I。（6）解码端提取步骤（5）所述压缩后的神经影像文件I的文件头H和压缩后的神经影像数据D；从文件头H中解析视频编码器标识，调用相应的标准视频解码器对压缩后的神经影像数据D进行视频解码，得到重建的神经影像序列R；（7）根据步骤（6）所述视频编码器标识得到对应的视频编码器最小编码单元尺寸L ；从步骤（6）所述文件头H中解析原始神经影像数据维度信息和帧平面标识，对所述

28、重建的神经影像序列R进行帧平面裁剪；（8）根据步骤（7）所述原始神经影像数据维度信息和帧平面标识，对所述重建的神经影像序列R进行维度复原，得到重建的原始神经影像数据R；将视频编码器标识和帧平面标识从步骤（6）所述文件头H中清除；将所述文件头H与重建的原始神经影像数据R合并，得到重建的NIfTI格式神经影像文件。所述文件头均指NIfTI标准神经影像格式文件头。所述视频编码器标识定义为字符串：HEVC为h265；H.264/AVC为h264，优选h265。4.3 神经影像视觉图及帧平面立体图4.3.1 大脑神经影像数据图形界面模型如下图4-3 大脑神经影像数据图4.3.2 所述帧平面标识定义横断面

29、为a；冠状面为c；矢状面为s；图2为本文中神经影像数据体积维度重排为神经影像序列的视频帧平面示意图。图4-3-2 帧平面示意图第5章 压缩算法主程序5.1 对原始序列进行压缩的主程序如下面所述global:hdr,img = read_nifti(); /读取头文件，获得原始图像信息getheaderfields(hdr)dim,datatype,des80,bitspix /获得文件内信息函数main(hdr,img,encoder) /关于头文件，图像文件编码算法的定义函数 dim,datatype,bitspix = getheaderfields();/获取数据类型，维度，像素信息 i

30、mgDim = dim0; /图像维度为dim0维 if(imgDim = 3) /根据维度选择压缩程序 x = dim1; y = dim2; z = dim3; truncImageTo8bits(img); A.yuv = axialTrans(img); C.yuv = coronalTrans(img); S.yuv = saggitalTrans(img); /seqCfg.cfg,encoderCfg:JMencoder_JM_Intra_HE.cfg;encoder_JM_RA_B_HE.cfg; encoder_JM_LB_HE.cfg;HMencoder_intra_mai

31、n_rext.cfg;encoder_randomaccess_main_rext.cfg;encoder_randomaccess_main_rext.cfg;encoder_lowdelay_main_rext.cfg /HM18.6和JM16.3压缩软件和配置参数定义 if(encoder = JM) /JM压缩选择条件及压缩文件输出参数 A.264=system(lencod.exe -d encoder_JM_Intra_HE.cfg -f seqCfg.cfg -p InputFile=A.yuv -p SourceWidth= + x + - p SourceHeight= +

32、y + -p FramesToBeEncoded = + z + -p OutputFile=A.264 -p ReconFile=A.rec -p ProfileIDC=244 -p QPISlice=0 -p YUVFormat=0 -p ChromaWeightSupport=0 -p UseRDOQuant=0 -p LosslessCoding=1 A.log 2&1); C.264=system(lencod.exe -d encoder_JM_Intra_HE.cfg -f seqCfg.cfg -p InputFile=C.yuv -p SourceWidth= + x + -

33、 p SourceHeight= + z + -p FramesToBeEncoded = + y + -p OutputFile=C.264 -p ReconFile=C.rec -p ProfileIDC=244 -p QPISlice=0 -p YUVFormat=0 -p ChromaWeightSupport=0 -p UseRDOQuant=0 -p LosslessCoding=1 A.log 2&1);S.264=system(lencod.exe -d encoder_JM_Intra_HE.cfg -f seqCfg.cfg -p InputFile=S.yuv -p So

34、urceWidth= + y + - p SourceHeight= + z + -p FramesToBeEncoded = + x + -p OutputFile=S.264 -p ReconFile=S.rec -p ProfileIDC=244 -p QPISlice=0 -p YUVFormat=0 -p ChromaWeightSupport=0 -p UseRDOQuant=0 -p LosslessCoding=1 A.log 2&1);min264 = min(A.264,C.264,S.264); /获取最小码流序列appendEncoder( des80, encoder

35、); /添加说明字段编码器等标识符appendFramePlane( des80, framePlane); /添加帧平面标识符saveNeuroImage(hdr, min264); /合并头文件与最小压缩码流else /HM /类似上述做法，选择HM压缩算法A.264=system(TAppEncoder.exe -c encoder_intra_main_rext.cfg -c seqCfg.cfg -b A.bin -o A.rec -q 0 -InputFile=A.yuv SourceWidth= +x + -SourceHeight= + y + -FramesToBeEncod

36、ed = + z + -ConformanceWindowMode=1 -InternalBitDepth=8 -TransquantBypassEnableFlag=1 -CUTransquantBypassFlagForce=1 -CostMode=lossless -IntraReferenceSmoothing=0 A.log 2&1);C.264=system(TAppEncoder.exe -c encoder_intra_main_rext.cfg -c seqCfg.cfg -b C.bin -o C.rec -q 0 -InputFile=C.yuv SourceWidth=

37、 +x + -SourceHeight= + z + -FramesToBeEncoded = + y + -ConformanceWindowMode=1 -InternalBitDepth=8 -TransquantBypassEnableFlag=1 -CUTransquantBypassFlagForce=1 -CostMode=lossless -IntraReferenceSmoothing=0 C.log 2&1);S.264=system(TAppEncoder.exe -c encoder_intra_main_rext.cfg -c seqCfg.cfg -b S.bin

38、-o S.rec -q 0 -InputFile=S.yuv SourceWidth= +y + -SourceHeight= + z + -FramesToBeEncoded = + x + -ConformanceWindowMode=1 -InternalBitDepth=8 -TransquantBypassEnableFlag=1 -CUTransquantBypassFlagForce=1 -CostMode=lossless -IntraReferenceSmoothing=0 S.log 2&1);minBin = min(A.bin,C.bin,S.bin); /获取最小码流

39、序列appendEncoder( des80, encoder); /添加说明字段编码器标识appendFramePlane( des80, framePlane); /添加说明字段信息帧平面标识saveNeuroImage(hdr, minBin); /合并最终最小压缩结果与文件头5.2 维度转换部分程序#include stdio.h#include stdlib.h#include string.h#include math.h#include common.h#include nifti1.h#include monoimgrealign.h/3D indexfor(int i = 1

40、;islice;i+)volume3Di = volume3Di-1+height;return volume3D;int transverseWidth, transverseHeight, transverseSlice;/transverse planeint coronalWidth, coronalHeight, coronalSlice; /coronal planeint sagittalWidth, sagittalHeight, sagittalSlice; /sagittal planesrcBuffer = img;tempWidth = srcWidth;tempHei

41、ght = srcHeight;tempSlice = srcSlice;tempBuffer = allocVolume3D(tempWidth, tempHeight, tempSlice);/REALIGN/-sagittal planesagittalWidth= tempHeight;sagittalHeight= tempSlice;sagittalSlice= srcWidth;sagittalBuffer= allocVolume3D(sagittalWidth,sagittalHeight,sagittalSlice);for(int z = 0;z sagittalSlic

42、e; z+)for(int y = 0;y sagittalHeight;y+)for(int x = 0;x sagittalWidth; x+)sagittalBufferzyx=tempBufferyxz;desFileSize = sagittalWidth*sagittalHeight*sagittalSlice;desBuffer =sagittalBuffer;sprintf(desFileName,%s,S.yuv);desFile = openFile(desFileName,wb);rwSize = fwrite(*desBuffer,1,desFileSize,desFi

43、le);if (rwSize!=desFileSize)fclose(desFile);fileErrorExit(cannot write file: realignSeq: desFile);fclose(desFile);freeVolume3D(desBuffer);如此便可对神经影像文件进行两种编码方式，三种配置参数的总共六种压缩结果，再加上与通常使用的gzip压缩进行对比，可最终获得压缩算法的优越性。第6章 方案运行结果6.1 调试及压缩结果显示对目标视频序列进行编码配置包括全帧内编码配置（All intra, AI）,低延时双向预测配置（Low-delay LB）和随机访问配置（

44、Random access,RA）三种配置下的两种编码方式（AVC/HEVC）进行编码，代码及执行命令如下图所示：图6-1 代码调试及压缩过程图6-1-2 压缩测试6.2 无损编码结果序列及执行日志文件如下图其中日志文件中包括了帧内编码的细节，包括被编码的帧数，输入输出格式及文件大小，片内相关性以及编码时间和效率这些基本信息。图6-2 压缩结果日志文件图6-2-1 压缩结果详细信息6.3 压缩结果显示由于每种环境配置下的一种编码方式所展示时间很长，所以只列举以上若干执行结果。综上实验环节所述得出的视频序列对每一种环境配置及编码方式和有无损方式所产生的具体信息统计略图如下截图所示：表6-3 AV

45、C和HEVC以及gzip压缩结果信息 表6-4 编码结果峰值信噪比与压缩比信息第7章 调研总结总的来说图像压缩可分为有损压缩和无损压缩，它是实现图像数据存储和传输的关键技术，目前在图像压缩这一领域中的研究一直是以满足容量更小，传输速度更快，图像质量更高为目的。但是，由于压缩比和重建图像质量之间的相互制约，想要图像在这两方面都得到最佳效果是无法实现的。上述技术方案，首先将原始神经影像数据按体积横断面、冠状面和矢状面重排为三个神经影像序列后进行视频压缩编码并选择最小码流，与NIfTI推荐的gzip压缩方法相比，大大提高了压缩效率，与现有仅对横断面（slice）序列进行视频压缩的方法相比，能发现神经影像数据在体积内或体积间上下、前后、左右方向上空间相关度或时间相关度最高的方向，进一步提高了压缩效率；同时，采用高性能的标准视频编码器进行神经影像压缩，便于解码压缩后的神经影像数据，易于推广；此外，采用NIfTI标准神经影像格式文件头，利用文件头的说明字段保存视频储编码器标识和帧平面标识，除了保持与NIfTI格式的兼容性，还避免了在神经影像压缩输出中增加额外比特，亦便于未来引入性能更高的标准视频编码器；最后，可根据应用需求，