[發明專利]一種基于雙生成對抗網絡的醫學圖像合成方法

在審

• 申請號: 201711139655.7
• 申請日: 2017-11-16
• 公開（公告）號: CN107909621A
• 公開（公告）日: 2018-04-13
• 發明（設計）人: 夏春秋
• 申請（專利權）人: 深圳市唯特視科技有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/08;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于雙生成對抗網絡的醫學圖像合成方法，其特征在于，主要包括數據管理(一)；生成對抗網絡(二)；訓練U-NET(三)；建立評估指標(四)；獲得處理圖片(五)。

2.基于權利要求書1所述的醫學圖像合成，其特征在于，為了生成高質量的合成數據集，提出使用兩個生成對抗網絡(GAN)，將生成問題分解為兩部分：

(1)第一階段GAN：生成表示數據集的可變幾何的分割蒙版；

(2)第二階段GAN：將第一階段制作的掩模轉化成具有真實感的圖像。

3.基于權利要求書2所述的第一階段生成對抗網絡，其特征在于，第一階段GAN的目的是生成可變分段掩碼，它基于深度卷積生成對抗網絡(DCGAN)架構，并基于Tensor Flow平臺構建，提高了與標準GAN相比的訓練穩定性；與其他生成模型相比，DCGAN是完全卷積的；該生成器用一個噪聲矢量進行初始化，該噪聲矢量通過多個步進卷積饋送，生成合成圖像；使用交叉熵損失函數來訓練第一階段中的鑒別器GAN。

4.基于權利要求書3所述的交叉熵損失函數，其特征在于，交叉熵損失函數如下所示：

lD=1mΣi=1m[log(D(G(zi)))+log(1-D(xi))]---(1)]]>

其中，D是鑒別器，G是生成器，m是最小批量大小，z是相應的輸入噪聲向量，x是圖像，i是圖像的索引；生成器的損失函數如下：

lG=1mΣi=1mlog(1-D(xi))---(2)]]>

由于這兩個連接的損失函數，生成器和鑒別器不斷地相互競爭，以最小化它們各自的損失函數。