[發(fā)明專利]一種基于平掃CT生成CT血管成像的方法在審
| 申請(qǐng)?zhí)枺?/td> | 202111597005.3 | 申請(qǐng)日： | 2021-12-24 |
| 公開（公告）號(hào)： | CN114494482A | 公開（公告）日： | 2022-05-13 |
| 發(fā)明（設(shè)計(jì)）人： | 婁昕;呂晉浩;周欣;段曹輝;馬笑笑 | 申請(qǐng)（專利權(quán)）人： | 中國人民解放軍總醫(yī)院第一醫(yī)學(xué)中心 |
| 主分類號(hào)： | G06T11/00 | 分類號(hào)： | G06T11/00;G06T7/33;G06N3/04;G06N3/08 |
| 代理公司： | 武漢宇晨專利事務(wù)所(普通合伙) 42001 | 代理人： | 李鵬 |
| 地址： | 100853*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 ct 生成 血管 成像 方法 | ||
1.一種基于平掃CT生成CT血管成像的方法，其特征在于，包括以下步驟：
步驟1、獲取平掃CT圖像xi和層面對(duì)應(yīng)的CTA圖像yi，構(gòu)成訓(xùn)練集N為志愿者的總數(shù)；
步驟2、構(gòu)建用于從平掃CT圖像生成CTA圖像的深度學(xué)習(xí)模型，深度學(xué)習(xí)模型依次包括輸入層、第一個(gè)SA模塊、收縮路徑、擴(kuò)張路徑、第二個(gè)SA模塊和輸出層；
步驟3、定義深度學(xué)習(xí)模型Gθ(·)的損失函數(shù)L(θ)，
其中，·表示模型輸入，θ表示模型參數(shù)，表示L2范數(shù)，⊙表示逐元素乘積，Mi指CTA圖像中血管區(qū)域的mask；
步驟4、采用反向傳播和梯度下降算法，尋找使損失函數(shù)L(θ)最小的模型參數(shù)獲得訓(xùn)練好的深度學(xué)習(xí)模型
2.根據(jù)權(quán)利要求1所述的一種基于平掃CT生成CT血管成像的方法，其特征在于，所述的步驟1包括以下步驟：
步驟1.1、使用CT機(jī)采集N名志愿者的平掃CT圖像和層面對(duì)應(yīng)的CTA圖像；
步驟1.2、對(duì)平掃CT圖像、CTA圖像進(jìn)行配準(zhǔn)，使得兩者的血管分布逐像素對(duì)應(yīng)；
步驟1.3、將步驟1.2獲得的配準(zhǔn)后的第i個(gè)志愿者的平掃CT圖像和層面對(duì)應(yīng)的CTA圖像分別表示為xi和yi，并將xi和yi組成訓(xùn)練樣本對(duì)，所有志愿者的平掃CT圖像和層面對(duì)應(yīng)的CTA圖像組成訓(xùn)練集N為志愿者的總數(shù)。
3.根據(jù)權(quán)利要求1所述的一種基于平掃CT生成CT血管成像的方法，其特征在于，所述的步驟2中的兩個(gè)SA模塊的輸入特征定義為F，SA模塊首先使用最大池化操作和平均池化操作將輸入特征F的通道信息聚合為兩個(gè)二維特征圖，進(jìn)而獲得輸入特征F在通道方向上最大池化特征Fmax和平均池化特征Favg，將最大池化特征Fmax和平均池化特征Favg級(jí)聯(lián)，并將級(jí)聯(lián)后的最大池化特征Fmax和平均池化特征Favg進(jìn)行卷積，將卷積后的特征表示為Fc，隨后，使用sigmoid激活函數(shù)對(duì)特征Fc進(jìn)行激活處理，得到空間注意力圖Ms，最后，將空間注意力圖Ms和輸入特征F逐通道相乘，得到空間注意力特征Fs，空間注意力特征Fs作為SA模塊的輸出特征。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中國人民解放軍總醫(yī)院第一醫(yī)學(xué)中心，未經(jīng)中國人民解放軍總醫(yī)院第一醫(yī)學(xué)中心許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請(qǐng)聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202111597005.3/1.html，轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
