【技术实现步骤摘要】
本专利技术涉及数字图像处理
,具体为一种医学图像模态合成的方法。
技术介绍
通过计算机模拟另一种成像设备的成像方法合成、虚拟重建相应的图像,这一过程称为模态合成,如由X线计算机断层扫描图像数据重构超声图像、由磁共振成像设备获取的图像数据预测合成对应的CT图像等。本专利技术的目的在于提供一种有效的模态合成方法,快速有效地实现医学图像的模态合成。模态合成所产生的结果可用于简化多模态医学图像配准问题、PET/MRI成像系统中的衰减校正、放疗中辐射剂量分布计算等。普通的数字图像处理方法在建立物理模型的时难以应用于现有大多数成像设备和常规成像方式下获取的图像数据,普适性有限、应用范围窄,对于图像分割的方法只能得到相当粗糙的合成图像,而图谱的方法适用部位有限,模态合成图像的精度受到限制,不能保证所有个体图像与图谱很好地对应,并且图谱配准非常耗时,建立回归预测模型只能提取较小区域的图像特征,难以很好逼近不同模态医学图像之间复杂的映射关系。
技术实现思路
本专利技术的目的在于提供一种医学图像模态合成的方法,以解决上述
技术介绍
中提出的问题。为实现上述目的,本专利技术提供如下技术方案:一种医学图像模态合成的方法,包括以下步骤:第一步,源模态图像空间分辨率归一化处理,将所有的源模态图像在空间上经过降采样的方法进行缩小或经过插值的方法进行放大,使图像的分辨率归一化到同样大小;第二步,源模态图像灰度值标准化或者归一化处理,对第一步处理后的源模态图像灰度值归一化到均值为0,标准偏差为1;第三步,将处理后的源模态图像为输入,由卷积神经网络进行预测,以第二步处理后的源模态图像数据中的 ...
【技术保护点】
一种医学图像模态合成的方法,其特征在于,包括以下步骤:第一步,源模态图像空间分辨率归一化处理,将所有的源模态图像在空间上经过降采样的方法进行缩小或经过插值的方法进行放大,使图像的分辨率归一化到同样大小;第二步,源模态图像灰度值标准化或者归一化处理,对第一步处理后的源模态图像灰度值归一化到均值为0,标准偏差为1;第三步,将处理后的源模态图像为输入,由卷积神经网络进行预测,以第二步处理后的源模态图像数据中的二维数据、三维体数据或者相邻的若干层图像为输入,预测源模态对应的目标模态图像,其中所采用的卷积神经网络构架具有多个卷积层、池化层、并置层和上采样层;第四步,将卷积神经网络预测输出进行线性变换生成目标模态图像。
【技术特征摘要】
1.一种医学图像模态合成的方法,其特征在于,包括以下步骤:第一步,源模态图像空间分辨率归一化处理,将所有的源模态图像在空间上经过降采样的方法进行缩小或经过插值的方法进行放大,使图像的分辨率归一化到同样大小;第二步,源模态图像灰度值标准化或者归一化处理,对第一步处理后的源模态图像灰度值归一化到均值为0,标准偏差为1;第三步,将处理后的源模态图像为输入,由卷积神经网络进行预测,以第二步处理后的源模态图像数据中的二维数据、三维体数据或者相邻的若干层图像为输入,预测源模态对应的目标模态图像,其中所采用的卷积神经网络构架具有多个卷积层、池化层、并置层和上采样层;第四步,将卷积神经网络预测输出进行线性变换生成目标模态图像。2.根据权利要求1所述的一种医学图像模态合成的方法,其特征在于:卷积神经网络各层的输入和输出称为特征图,特征图具有多个通道,通道数目取决于对应卷积层中卷积核的数目,设第l层卷积层有nl个卷积核,第l层卷积层输出的特征图记为Fl,特征图Fl的第i个通道记为其中i=1,2,3,...,nl,卷积网络的输入记为具有一个或多个通道;数学上,卷积神经网络中第l层卷积层输出特征图Fl与输入Fl-1之间的关系描述为:Fil=σ(Σj=1nlwi,jl*Fjl-1+bil),l=1,2,...,L-1;]]>上式中,*表示二维卷积操作,σ(.)表示输入矩阵中元素的非线性激活函数,为第l层卷积层中用于计算输出特征图第i个通道、与输入特征图中第j个通道进行卷积的二维卷积核,为第l层卷积层中用于计算输出特征图第i个通道的偏置项,L表示卷积网络中的卷积层数目,非线性激活函数σ(.)为Sigmoid函数、双曲线正切函数或者ReLU函数;当非线性激活函数σ(.)为Sigmoid函数时:σ(x)=1/(1+e-x);其中e为自然底数;当非线性激活函数σ(.)为双曲线正切函数时:σ(x)=(ex-e-x)/(ex+e-x);其中e为自然底数;当非线性激活函数σ(.)为ReLU函数时:σ(x)=0,ifx<0x,ifx≥0]]>第L层卷积层激活函数为线性函数,输出为预测的目标模态图像:G=Σj=1nLw1,jL*FjL-1+b1L.]]>3.根据权利要求2所述的一种医学图像模态合成的方法,其特征在于:卷积神经网络的池化层只改变特征图的大小,不改变图像的通道数,池化的方式为最大池化、平均池化或者加权平均池化,;在二维图像的情况下,假设最大池化的作用区域为w×h的图像区域,其中w、h分别为特征图的长宽,则此次作用的区域输出的结果为:y(i+1)/2,(j+1)/2=max1≤i≤w,1≤j≤h(xij);]]>其中,y(i+1)/2,(j+1)/2代表区域为w×h的图像区域中心像素点的池化结果,i和j为整数,xij为原图像坐标点为(i,j)的像素点的灰度值;类似地,在二维图像下,区域为w×h的图像区域的平均池化的结果是:y(i+1)/2,(j+1)/2=1w·hΣ1≤i≤w,1≤j≤h(xij);]]>其中,y(i+1)/2,(j+1)/2代表区域为w×h的图像区域中心像...
【专利技术属性】
技术研发人员:阳维,冯前进,林莉燕,钟丽明,陈武凡,
申请(专利权)人:南方医科大学,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。