[發(fā)明專利]一種胸部DR雙能量數(shù)字減影圖像生成方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110270213.6
• 申請(qǐng)日: 2021-03-12
• 公開（公告）號(hào): CN113052930A
• 公開（公告）日: 2021-06-29
• 發(fā)明（設(shè)計(jì)）人: 李鐵成;王子騰;賈瀟;王立威;胡陽;丁佳;呂晨翀
• 申請(qǐng)（專利權(quán)）人: 北京醫(yī)準(zhǔn)智能科技有限公司;廣西醫(yī)準(zhǔn)智能科技有限公司
• 主分類號(hào): G06T11/00
• 分類號(hào): G06T11/00;G06N3/04;G06N3/08
• 代理公司: 北京蕙識(shí)同聯(lián)專利代理事務(wù)所(特殊普通合伙) 11966
• 代理人: 張林;劉曄

本發(fā)明公開了一種基于生成對(duì)抗網(wǎng)絡(luò)生成胸部DR雙能量數(shù)字減影圖像的方法、裝置及存儲(chǔ)介質(zhì)，包括獲取胸部DR雙能減影圖像，對(duì)胸部DR雙能減影圖像進(jìn)行預(yù)處理后構(gòu)建訓(xùn)練集，構(gòu)建生成對(duì)抗網(wǎng)絡(luò)模型，將預(yù)處理后的胸部DR原圖、骨減影圖像和組織減影圖像輸入生成對(duì)抗網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；獲取待處理的胸部DR圖像，將待處理的胸部DR圖像輸入訓(xùn)練好的生成對(duì)抗網(wǎng)絡(luò)中，生成相應(yīng)的骨減影圖像和組織圖像。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理領(lǐng)域，具體涉及一種基于生成對(duì)抗網(wǎng)絡(luò)的胸部DR雙能量數(shù)字減影圖像生成方法。

背景技術(shù)

胸部DR能夠清楚記錄胸部的大體病變，包括肺部腫塊、結(jié)節(jié)、結(jié)核、實(shí)變、胸部肋骨以及胸椎軟組織等胸腔肺組織，擁有放射濃度低、成像迅速、便于檢查等優(yōu)點(diǎn)。但由于成像原理的局限,重疊因素較多,許多感興趣區(qū)的正常結(jié)構(gòu)和異常病灶被其他組織或結(jié)構(gòu)遮擋,易致病變漏診、定位錯(cuò)誤或誤診。

雙能量減影采用兩次曝光法，在200ms之內(nèi)對(duì)被拍攝物體以連續(xù)兩次高低輸出能量(KVP)進(jìn)行曝光，得到兩幅圖像或數(shù)據(jù)，將其進(jìn)行圖像減影或數(shù)據(jù)整合分離，可重建為3幅圖像，分別為骨減影、軟組織減影以及普通胸片圖像。其中軟組織減影圖像移除了骨結(jié)構(gòu)更有利于觀察結(jié)節(jié)性病變，骨減影可辨別出良性的鈣化結(jié)節(jié)和細(xì)微的骨折等病變。但兩次曝光法較DR普通拍攝會(huì)有不到兩倍的射線劑量，對(duì)病人身體的傷害更大。

近年來，許多圖像處理方法應(yīng)用于雙能減影圖像。基于非深度學(xué)習(xí)方法包括基于主動(dòng)形狀模型、Gabor濾波器、主動(dòng)輪廓模型等方法，這些方法的關(guān)鍵在于計(jì)算骨的邊界，然后根據(jù)像素強(qiáng)度生成最終的雙能減影圖像，但以上方法會(huì)因圖像質(zhì)量尤其是噪聲、骨邊界計(jì)算結(jié)果的差異導(dǎo)致結(jié)果精度受影響。基于深度學(xué)習(xí)的方法能夠自動(dòng)學(xué)習(xí)圖像特征，而深度學(xué)習(xí)方法中生成對(duì)抗網(wǎng)絡(luò)十分適合生成風(fēng)格遷移之后的圖片，因此本申請(qǐng)考慮利用生成對(duì)抗網(wǎng)絡(luò)根據(jù)普通胸片生成減影后的數(shù)據(jù)，該方法能夠在普通胸片和骨減影、軟組織減影圖像之間，無須建立訓(xùn)練數(shù)據(jù)間一對(duì)一的映射，便可實(shí)現(xiàn)風(fēng)格的遷移，并且生成結(jié)果不受圖像質(zhì)量以及細(xì)小噪聲的影響，符合臨床需求，便于醫(yī)生給出更加詳細(xì)的診斷結(jié)果。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)存在的問題，本發(fā)明首先提供了一種基于生成對(duì)抗網(wǎng)絡(luò)生成胸部DR骨減影圖像和組織減影圖像的方法，其特征在于，包括以下步驟：

1)獲取胸部DR雙能減影圖像，所述胸部DR雙能減影圖像包括胸部DR原圖、骨減影圖像和組織減影圖像；

2)對(duì)所述胸部DR雙能減影圖像進(jìn)行預(yù)處理后構(gòu)建訓(xùn)練集，所述預(yù)處理包括利用特定的窗寬窗位對(duì)圖像進(jìn)行線性拉伸，以及重設(shè)圖像的大小；

3)構(gòu)建生成對(duì)抗網(wǎng)絡(luò)模型，將預(yù)處理后的胸部DR原圖、骨減影圖像和組織減影圖像輸入生成對(duì)抗網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

4)獲取待處理的胸部DR圖像，將待處理的胸部DR圖像輸入訓(xùn)練好的生成對(duì)抗網(wǎng)絡(luò)中，生成相應(yīng)的骨減影圖像和組織減影圖像。

進(jìn)一步地，所述步驟2)中預(yù)處理可以包括以下步驟：

獲得所述胸部DR雙能減影圖像的最適窗寬窗位，以所述最適窗寬窗位為目標(biāo)對(duì)所述胸部DR雙能減影圖像進(jìn)行線性拉伸，重設(shè)圖像大小為2048。

進(jìn)一步的，所述步驟3)中生成對(duì)抗網(wǎng)絡(luò)模型包括生成器和鑒別器，所述生成器包括編碼器E_s、解碼器G_t和輔助分類器η_s，所述編碼器Es包括多個(gè)下采樣卷積層和多個(gè)殘差模塊，所述解碼器G_t包括多個(gè)上采樣卷積層和多個(gè)殘差模塊，所述鑒別器包括編碼器Edt。

優(yōu)選的，所述生成器的編碼器采用IN，解碼器的殘差模塊采用歸一化函數(shù)AdaILN，其它模塊采用ILN，鑒別器上的采樣模塊采用SN。

更優(yōu)選的，所述生成對(duì)抗網(wǎng)絡(luò)模型采用的損失函數(shù)包括對(duì)抗損失函數(shù)、循環(huán)損失函數(shù)、身份損失函數(shù)和類激活映射損失函數(shù)。