[發明專利]基于深度學習的腹部三維醫學影像轉換生成方法在審
| 申請號： | 202110442107.1 | 申請日： | 2021-04-23 |
| 公開（公告）號： | CN113205566A | 公開（公告）日： | 2021-08-03 |
| 發明（設計）人： | 王海林;馮瑞 | 申請（專利權）人： | 復旦大學;珠海復旦創新研究院 |
| 主分類號： | G06T11/00 | 分類號： | G06T11/00;G06N3/04;G06N3/08;G06T7/33;G16H30/20 |
| 代理公司： | 上海德昭知識產權代理有限公司 31204 | 代理人： | 王偉珍 |
| 地址： | 200433 *** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 深度 學習 腹部 三維 醫學影像 轉換 生成 方法 | ||
1.一種基于深度學習的腹部三維醫學影像轉換生成方法，用于實現由腹部MRI影像轉換為腹部CT影像的跨模態影像轉換，其特征在于，包括如下步驟：
步驟S1，對已有訓練集中的真實MRI影像和真實CT影像進行三維醫學配準，得到配準影像；
步驟S2，將所述配準影像輸入用于圖像轉換的三維深度學習模型進行模型訓練，得到訓練后的三維深度學習模型；
步驟S3，將需要進行轉換的腹部MRI影像輸入訓練后的所述三維深度學習模型，得到同一部位的相應的CT影像。
2.根據權利要求1所述的基于深度學習的腹部三維醫學影像轉換生成方法，其特征在于：
其中，所述步驟S2中，三維深度學習模型包括生成器模型和判別器模型，模型訓練具體包括如下子步驟：
步驟S2-1，構建初始生成器模型和初始判別器模型；
步驟S2-2，將腹部MRI影像輸入所述初始生成器模型，得到初始腹部CT影像Ⅰ；
步驟S2-3，采用所述已有訓練集中的一部分所述真實CT影像和一部分所述初始腹部CT影像Ⅰ輸入所述初始判別器模型，對所述初始判別器模型進行訓練，得到訓練后的初始判別器模型；
步驟S2-4，采用所述已有訓練集中的另一部分經過三維醫學配準后的真實MRI影像和對應的真實CT影像輸入所述初始生成器模型，對所述初始生成器模型進行訓練，得到訓練后的初始訓練器模型；
步驟2-5，重復步驟S2-2，得到初始腹部CT影像Ⅱ，將其與對應的真實CT影像進行對比，判斷所述初始腹部CT影像是否為高質量影像，當判斷為是高質量影像時，則停止訓練，當判斷為不是高質量影像時，則重復步驟步驟S2-3和步驟S2-4，直至輸出的腹部CT影像為高質量影像時，則停止訓練。
3.根據權利要求1所述的基于深度學習的腹部三維醫學影像轉換生成方法，其特征在于：
其中，所述步驟S1中，三維醫學配準采用FAIM算法。
4.根據權利要求1所述的基于深度學習的腹部三維醫學影像轉換生成方法，其特征在于：
其中，所述步驟S3中，CT影像為DICOM格式的三維CT影像。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于復旦大學;珠海復旦創新研究院，未經復旦大學;珠海復旦創新研究院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110442107.1/1.html，轉載請聲明來源鉆瓜專利網。
