[發(fā)明專利]基于深度學(xué)習(xí)的MRI影像合成CT影像的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110446744.6
• 申請(qǐng)日: 2021-04-25
• 公開(kāi)（公告）號(hào): CN113205567A
• 公開(kāi)（公告）日: 2021-08-03
• 發(fā)明（設(shè)計(jì)）人: 韓舒涼;馮瑞
• 申請(qǐng)（專利權(quán)）人: 復(fù)旦大學(xué);珠海復(fù)旦創(chuàng)新研究院
• 主分類號(hào): G06T11/00
• 分類號(hào): G06T11/00;G06T5/50;G06N3/04;G06N3/08
• 代理公司: 上海德昭知識(shí)產(chǎn)權(quán)代理有限公司 31204
• 代理人: 王偉珍

1.一種基于深度學(xué)習(xí)的MRI影像合成CT影像的方法，用于在已有的原始MRI影像的基礎(chǔ)上跨模態(tài)生成相應(yīng)的合成CT影像，其特征在于，包括如下步驟：

步驟S1，選取所述原始MRI和CT影像分別作為浮動(dòng)影像及參考影像，而后進(jìn)行N4偏置校正和標(biāo)準(zhǔn)化獲得預(yù)處理后的MRI及CT影像。

步驟S2，采用S1所述預(yù)處理MRI影像和所述預(yù)處理CT影像訓(xùn)練用于將MRI影像合成CT影像的對(duì)抗式生成網(wǎng)絡(luò)模型；

步驟S3，將所述預(yù)處理MRI影像輸入所述MRI影像合成CT影像的對(duì)抗式生成網(wǎng)絡(luò)模型，從而將所述預(yù)處理MRI影像轉(zhuǎn)換為合成CT影像，

其中，所述MRI影像合成CT影像的對(duì)抗式生成網(wǎng)絡(luò)模型包括生成器網(wǎng)絡(luò)和判別器網(wǎng)絡(luò)，所述步驟S2具體包括如下子步驟：

步驟T1，構(gòu)建MRI影像合成CT影像的初始對(duì)抗式生成網(wǎng)絡(luò)模型；

步驟T2，將多張所述預(yù)處理MRI影像作為輸入，經(jīng)由所述生成器網(wǎng)絡(luò)后得到合成sCT影像，所述sCT影像為預(yù)處理MRI影像經(jīng)由所述生成器網(wǎng)絡(luò)后的合成CT影像；

步驟T3，將所述合成sCT影像與相對(duì)應(yīng)的經(jīng)過(guò)S1步驟中預(yù)處理的真實(shí)CT影像作為所述判別器網(wǎng)絡(luò)的訓(xùn)練集的訓(xùn)練數(shù)據(jù)，輸入到所述判別器網(wǎng)絡(luò)中并訓(xùn)練所述判別器網(wǎng)絡(luò)；

步驟T4，將所述預(yù)處理MRI影像和所述預(yù)處理CT影像的一次訓(xùn)練作為一個(gè)epoch，對(duì)所述訓(xùn)練數(shù)據(jù)重復(fù)步驟T2至步驟T3的訓(xùn)練過(guò)程，觀察所述生成器網(wǎng)絡(luò)的損失函數(shù)與所述判別器網(wǎng)絡(luò)的損失函數(shù)直至收斂后停止訓(xùn)練，得到所述MRI影像合成CT影像的對(duì)抗式生成網(wǎng)絡(luò)模型。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的MRI影像合成CT影像的方法，其特征在于：

其中，所述步驟T2具體包括如下子步驟：

步驟T2-1，將所述訓(xùn)練集中的各個(gè)MRI訓(xùn)練影像依次輸入構(gòu)建好的所述MRI影像合成CT影像的對(duì)抗式生成網(wǎng)絡(luò)模型的生成器網(wǎng)絡(luò)，并進(jìn)行一次迭代；

步驟T2-2，迭代后的生成器網(wǎng)絡(luò)輸出的圖像即為合成sCT影像，計(jì)算所述合成CT影像的對(duì)抗損失L₁：

L₁＝L_BCE(D(G(X)),1) (1)；

步驟T2-3，通過(guò)所述生成器網(wǎng)絡(luò)的最后一層參數(shù)，算出所述合成CT影像與其對(duì)應(yīng)的真實(shí)的所述預(yù)處理CT影像的歐氏距離L₂：

L₂＝L_G(X,Y)＝||Y-G(X)||₂² (2)；

步驟T2-4，對(duì)所述生成器網(wǎng)絡(luò)輸出的合成CT影像，計(jì)算其與對(duì)應(yīng)的標(biāo)準(zhǔn)CT影像之間的圖像梯度差損失函數(shù)L₃：

步驟T2-5，計(jì)算總損失函數(shù)L_G：

L_G＝λ₁L₁+λ₂L₂+λ₃L₃ (4)；

步驟T2-6，對(duì)于所述訓(xùn)練集中的所有訓(xùn)練數(shù)據(jù)，重復(fù)步驟T2-1至步驟T2-5直至達(dá)到訓(xùn)練完成條件，得到訓(xùn)練后的所述MRI影像合成CT影像的對(duì)抗式生成網(wǎng)絡(luò)模型中的所述生成器網(wǎng)絡(luò)，

式(1)-式(4)中，L_BCE表示對(duì)交叉熵?fù)p失范式的計(jì)算，計(jì)算方法為：G(X)表示原始MRI影像經(jīng)由生成器網(wǎng)絡(luò)后得到的sCT影像，D(G(X))表示sCT影像經(jīng)由判別器網(wǎng)絡(luò)后得到的值，同理，Y_i表示樣本i對(duì)應(yīng)的真實(shí)CT影像，表示樣本i對(duì)應(yīng)的sCT影像，L_GDL中的梯度表示在三維笛卡爾坐標(biāo)系中，沿三個(gè)軸x、y、z方向上圖像的梯度，λ₁表示對(duì)抗損失的權(quán)重，λ₂表示歐氏距離正則化的學(xué)習(xí)率，λ₃表示圖像梯度差損失正則化的學(xué)習(xí)率，且λ₁＝0.5，λ₂＝λ₃＝1。