[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（公告）號(hào): CN113205567A
• 公開（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

本發(fā)明提供一種基于深度學(xué)習(xí)的MRI影像合成CT影像的方法，用于在已有MRI影像的基礎(chǔ)上，通過深度學(xué)習(xí)中的全卷積神經(jīng)網(wǎng)絡(luò)與對(duì)抗式生成網(wǎng)絡(luò)，以監(jiān)督學(xué)習(xí)訓(xùn)練的方式跨模態(tài)生成相應(yīng)的偽CT影像，具體包括如下步驟：步驟S1，選取原始MRI影像作和原始CT影像分別作為浮動(dòng)影像以及和參考影像，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，采用預(yù)處理MRI影像和預(yù)處理CT影像訓(xùn)練用于MRI影像合成CT影像的對(duì)抗式生成網(wǎng)絡(luò)模型；步驟S3，將預(yù)處理MRI影像輸入MRI影像合成CT影像的對(duì)抗式生成網(wǎng)絡(luò)模型，從而將預(yù)處理MRI影像轉(zhuǎn)換為合成CT影像。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺領(lǐng)域以及醫(yī)療影像領(lǐng)域，涉及一種跨模態(tài)醫(yī)學(xué)影像生成方法，具體涉及一種基于深度學(xué)習(xí)的MRI影像合成CT影像的方法。

背景技術(shù)

醫(yī)學(xué)影像對(duì)于醫(yī)學(xué)診斷及治療具有重要意義。通常在診斷及治療過程中，由于單一模態(tài)數(shù)據(jù)的局限性，醫(yī)生需要通過不同模態(tài)的數(shù)據(jù)作為診斷依據(jù)以及輔助治療。CT(計(jì)算機(jī)斷層掃描)與MRI(磁共振成像)往往是醫(yī)生常用的參考影像。CT是目前圖像引導(dǎo)放射治療過程中常用的基準(zhǔn)影像，能夠提供制定放療劑量計(jì)劃所需要的密度信息，且有空間分辨率高，操作簡(jiǎn)潔的優(yōu)點(diǎn)。然而相較于MRI成像，其對(duì)軟組織成像的對(duì)比度較差，并且掃描過程中存在的電離輻射可能會(huì)增加二次癌癥的風(fēng)險(xiǎn)。MRI影像與電子密度無直接聯(lián)系，因而無法用于劑量計(jì)算以及患者的擺位驗(yàn)證，但其對(duì)軟組織高對(duì)比度的成像有助于精確勾畫靶區(qū)并觀察相應(yīng)變化。然而同時(shí)做CT及MRI一定程度增加了患者的經(jīng)濟(jì)及身體負(fù)擔(dān)，且通過影像配準(zhǔn)技術(shù)對(duì)CT及MRI影像進(jìn)行空間上配準(zhǔn)的方法可能存在誤差，從而影響治療的準(zhǔn)確性。因而單獨(dú)使用MRI影像作為輔助放射治療的方法是該領(lǐng)域的熱點(diǎn)研究問題。

為了解決上述問題，早期研究人員使用手動(dòng)或半自動(dòng)的方法對(duì)MRI影像的不同組織進(jìn)行分割分類，通過分類結(jié)果為不同的組織人工分配相應(yīng)的電子密度及衰減值從而獲取合成CT。該方法工作量大且不具有泛化性，且實(shí)驗(yàn)結(jié)果與不同主體分割分類的精度相關(guān)性過高，因而對(duì)于不同主體，在準(zhǔn)確度上存在較大差異。隨后研究人員提出了基于圖譜的方法，該方法基于圖像空間域上兩個(gè)模態(tài)影像的配準(zhǔn)變換，實(shí)驗(yàn)的結(jié)果與配準(zhǔn)的結(jié)果強(qiáng)相關(guān)。由于配準(zhǔn)結(jié)果必然存在系統(tǒng)誤差，該方法的實(shí)驗(yàn)結(jié)果對(duì)于前述問題的解決能力較差。隨后研究人員著力于基于體素應(yīng)用機(jī)器學(xué)習(xí)方法從而獲取合成CT，具體方法主要分為回歸及聚類，然而這些方法會(huì)受到解剖結(jié)構(gòu)的局限。

近年來，隨著深度學(xué)習(xí)的不斷發(fā)展，一方面卷積神經(jīng)網(wǎng)絡(luò)及其發(fā)展在圖像特征提取的分割、分類問題上效果顯著；另一方面對(duì)抗式生成網(wǎng)絡(luò)在圖像域變換上的應(yīng)用得到了良好的發(fā)展，對(duì)于非剛體的圖像變換取得了顯著的成果。而深度學(xué)習(xí)在醫(yī)學(xué)圖像領(lǐng)域的應(yīng)用也隨之稱為熱點(diǎn)問題。對(duì)于深度學(xué)習(xí)應(yīng)用于跨模態(tài)的醫(yī)學(xué)影像的生成問題，有研究人員提出了深度卷積神經(jīng)網(wǎng)絡(luò)基于MRI生成CT的方法，該方法實(shí)驗(yàn)結(jié)果較前述方法在實(shí)驗(yàn)結(jié)果上存在較大改進(jìn)。同時(shí)一些研究人員采用條件對(duì)抗生成網(wǎng)絡(luò)作為生成器用于患者CT的合成問題。

然而，受限于樣本數(shù)據(jù)量少，影像在采樣重建的過程中丟失或扭曲關(guān)鍵信息等問題，造成實(shí)驗(yàn)結(jié)果精度不夠，泛化性較差的場(chǎng)景一直存在。而在現(xiàn)實(shí)情況中，由于CT及MRI成像原理的不同，及拍攝儀器、光照、技術(shù)、角度、以及位偏移等問題的存在也對(duì)實(shí)驗(yàn)結(jié)果產(chǎn)生一定影響，跨模態(tài)影像生成任務(wù)面臨重重困難。并且醫(yī)學(xué)影像本身對(duì)精度要求極高，生成影像必須具有與實(shí)際影像極為相似的特征以及分布信息才能夠用于實(shí)際應(yīng)用。

發(fā)明內(nèi)容

本發(fā)明是為了解決上述問題而進(jìn)行的，目的在于提供一種基于深度學(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，通過深度學(xué)習(xí)中的全卷積神經(jīng)網(wǎng)絡(luò)與對(duì)抗式生成網(wǎng)絡(luò)，以監(jiān)督學(xué)習(xí)訓(xùn)練的方式跨模態(tài)生成相應(yīng)的合成CT影像。

本發(fā)明提供了一種基于深度學(xué)習(xí)的MRI影像合成CT影像的方法，具有這樣的特征，包括如下步驟：

步驟S1，選取原始MRI和CT影像分別作為浮動(dòng)影像以及參考影像，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；