[發(fā)明專利]圖像生成模型訓練及圖像生成方法、裝置、設備和介質

在審

• 申請?zhí)枺?/td>: 202111180703.3
• 申請日: 2021-10-11
• 公開（公告）號: CN115965567A
• 公開（公告）日: 2023-04-14
• 發(fā)明（設計）人: 鄒莉嫻;劉新;梁棟;鄭海榮
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/30;G06V10/25;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 潘登

1.一種圖像生成模型訓練方法，其特征在于，所述方法包括：

獲取感興趣部位的不同模態(tài)圖像，并基于所述不同模態(tài)圖像組成至少一組圖像對；

針對每一組圖像對，將圖像對中的第一模態(tài)圖像輸入到預設圖像生成模型中，并以圖像對中的第二模態(tài)圖像作為學習標準，對所述預設圖像生成模型進行有監(jiān)督的模型訓練；

當所述預設圖像生成模型的損失函數(shù)滿足預設條件時，得到目標圖像生成模型，完成模型訓練過程。

2.根據(jù)權利要求1所述的方法，其特征在于，在對所述預設圖像生成模型進行有監(jiān)督的模型訓練之前，所述方法還包括：

將所述第一模態(tài)圖像向所述第二模態(tài)圖像配準；

將配準后的第一模態(tài)圖像作為所述預設圖像生成模型的輸入數(shù)據(jù)，輸入到所述預設圖像生成模型中。

3.根據(jù)權利要求2所述的方法，其特征在于，所述將所述第一模態(tài)圖像向所述第二模態(tài)圖像配準，包括：

采用預設配準算法或預訓練的圖像配準神經(jīng)網(wǎng)絡，將所述第一模態(tài)圖像向所述第二模態(tài)圖像配準。

4.根據(jù)權利要求1-3中任一所述的方法，其特征在于，所述第一模態(tài)圖像和所述第二模態(tài)圖像分別是超聲圖像、磁共振圖像、電子計算機斷層掃描圖像或正電子發(fā)射斷層掃描圖像中的一種，且所述第一模態(tài)圖像和所述第二模態(tài)圖像是不同模態(tài)的圖像。

5.一種圖像生成方法，其特征在于，所述方法包括：

獲取原始模態(tài)圖像，并確定所述原始模態(tài)圖像的目標轉換模態(tài)；

將所述原始模態(tài)圖像輸入至由權利要求1-4中任一所述的圖像生成模型訓練方法訓練得到的目標圖像生成模型，得到目標轉換模態(tài)圖像。

6.根據(jù)權利要求5所述的方法，其特征在于，當所述目標轉換模態(tài)包括多個目標模態(tài)時，所述方法還包括：

預先訓練得到所述多個目標模態(tài)間的圖像生成模型，并將所述多個目標模態(tài)間的圖像生成模型與所述目標圖形生成模型級聯(lián)得到更新后的目標圖像生成模型；

將所述原始模態(tài)圖像輸入至所述更新后的目標圖像生成模型，得到所述多個目標模態(tài)的圖像。

7.一種圖像生成模型訓練裝置，其特征在于，所述裝置包括：

樣本獲取模塊，用于獲取感興趣部位的不同模態(tài)圖像，并基于所述不同模態(tài)圖像組成至少一組圖像對；

樣本數(shù)據(jù)輸入模塊，用于針對每一組圖像對，將圖像對中的第一模態(tài)圖像輸入到預設圖像生成模型中，并以圖像對中的第二模態(tài)圖像作為學習標準，對所述預設圖像生成模型進行有監(jiān)督的模型訓練；

模型訓練模塊，用于當所述預設圖像生成模型的損失函數(shù)滿足預設條件時，得到目標圖像生成模型，完成模型訓練過程。

8.一種圖像生成裝置，其特征在于，所述裝置包括：

圖像數(shù)據(jù)獲取模塊，用于獲取原始模態(tài)圖像，并確定所述原始模態(tài)圖像的目標轉換模態(tài)；

圖像生成模塊，用于將所述原始模態(tài)圖像輸入至由權利要求1-4中任一所述的圖像生成模型訓練方法訓練得到的目標圖像生成模型，得到目標轉換模態(tài)圖像。

9.一種計算機設備，其特征在于，所述計算機設備包括：

一個或多個處理器；

存儲器，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實現(xiàn)如權利要求1-6中任一所述的圖像生成模型訓練方法或圖像生成方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)如權利要求1-6中任一所述的圖像生成模型訓練方法或圖像生成方法。