[發明專利]圖像生成網絡的訓練方法、圖像預測方法和計算機設備

有效

• 申請號: 201911106039.0
• 申請日: 2019-11-13
• 公開（公告）號: CN110866909B
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 李青峰;石峰
• 申請（專利權）人: 武漢中科醫療科技工業技術研究院有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/08;G06N3/04;G16H30/20
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 喬改利

本申請涉及一種圖像生成網絡的訓練方法、圖像預測方法和計算機設備。該訓練方法包括：獲取訓練樣本圖像；將訓練樣本圖像輸入初始圖像生成網絡，得到初始預測圖像；其中，初始預測圖像包括預設的仿真標記，初始預測圖像表征所預測的受測對象在預設的時間間隔后的變化情況；將初始預測圖像和第一真實樣本圖像輸入初始判別網絡，得到初始預測圖像的判別結果；第一真實樣本圖像為初始預測圖像的參考圖像；計算判別結果與仿真標記之間的損失，根據損失對初始判別網絡和初始圖像生成網絡進行訓練；當損失達到收斂時，初始圖像生成網絡訓練完成，得到圖像生成網絡。該方法可以提高訓練得到的圖像生成網絡的精度，以及得到的預測圖像的準確度和直觀性。

技術領域

本申請涉及圖像處理技術領域，特別是涉及一種圖像生成網絡的訓練方法、圖像預測方法和計算機設備。

背景技術

在醫療領域中，通常需要對病人的未來狀態做出預測，比如當前的血腫過段時間是否會擴大、當前的肺結節是否會轉化形態等，類似的預測任務可以統稱為縱向變化預測。在臨床應用方面，對于掃描數據的高精度縱向變化預測可以為醫生提供直觀且準確的縱向數據信息，同時在藥物效果追蹤、病人病情回訪中也有廣泛應用，從而在計算機輔助診斷及臨床診斷中具有重要作用。核磁共振成像因其無放射性、對腦結構成像質量高的特點，被廣泛應用于腦部疾病的診斷中，計算機輔助診斷(Computer Aided Diagnosis，CAD)可以根據核磁共振圖像有效篩查腦部疾病患者，大大降低醫生的工作量及提高檢測的準確度。

傳統技術中的縱向變化預測方法，通常是針對核磁共振圖像中的征象進行分析，如對腦出血分析血腫旁邊出現的點狀的多少和密度預測將來出血擴大的可能性。但是這種征象并不能很好的跟病人后續狀態相匹配，且不能給出病人未來狀態的直觀形象。

因此，傳統技術中的縱向變化預測方法準確度較低，且直觀性較差。

發明內容

基于此，有必要針對傳統技術中縱向變化預測方法準確度較低，且直觀性較差的問題，提供一種圖像生成網絡的訓練方法、圖像預測方法和計算機設備。

第一方面，本申請實施例提供一種圖像生成網絡的訓練方法，包括：

獲取訓練樣本圖像；

將訓練樣本圖像輸入初始圖像生成網絡，得到初始預測圖像；其中，初始預測圖像包括預設的仿真標記，初始預測圖像表征所預測的受測對象在預設的時間間隔后的變化情況；

將初始預測圖像和第一真實樣本圖像輸入初始判別網絡，得到初始預測圖像的判別結果；第一真實樣本圖像為初始預測圖像的參考圖像；

計算判別結果與仿真標記之間的損失，根據損失對初始判別網絡和初始圖像生成網絡進行訓練；當損失達到收斂時，初始圖像生成網絡訓練完成，得到圖像生成網絡。

第二方面，本申請實施例提供一種圖像預測方法，包括：

獲取待預測圖像；

將待預測圖像輸入圖像生成網絡，得到預測圖像；其中，圖像生成網絡的訓練方式包括：

獲取訓練樣本圖像；

將訓練樣本圖像輸入初始圖像生成網絡，得到初始預測圖像；其中，初始預測圖像包括預設的仿真標記，表征所預測的受測對象在預設的時間間隔后的變化情況；

將初始預測圖像和第一真實樣本圖像輸入初始判別網絡，得到初始預測圖像的判別結果；

計算判別結果與仿真標記之間的損失，根據損失對初始判別網絡和初始圖像生成網絡進行訓練；當損失達到收斂時，初始圖像生成網絡訓練完成，得到圖像生成網絡。

第三方面，本申請實施例提供一種圖像生成網絡的訓練裝置，包括：

第一獲取模塊，用于獲取訓練樣本圖像；