医学图像的风格转换方法、装置、医学设备、影像系统及存储介质制造方法及图纸

本申请涉及一种医学图像的风格转换方法、装置、医学设备、影像系统及存储介质，上述方法包括：获取神经网络模型；获取原始医学图像；将原始医学图像作为神经网络模型的输入，以利用神经网络模型得到目标医学图像；其中，原始医学图像的内容特征与目标医学图像的内容特征的差异在预设的阈值内，原始医学图像的风格特征与目标医学图像的风格特征不同。上述方法，通过基于风格迁移算法的神经网络，将原始医学图像转化为风格特征不同的目标医学图像，能适用于各种模态的医学图像之间进行风格转换，且能够保持图像的内容特征的改变在预设的阈值内不易造成失真，方便医生将转换得到的目标医学图像与其他模态的医学图像进行对比观察。

【技术实现步骤摘要】
医学图像的风格转换方法、装置、医学设备、影像系统及存储介质
本专利技术涉及医学图像领域，特别是涉及一种医学图像的风格转换方法、装置、医学设备、影像系统及存储介质。
技术介绍
在医学诊断和治疗中，经常需要对同一区域进行例如计算机断层扫描、磁共振以及X射线等不同模态医学图像的拍摄，以进行对比观察，但由于得到的不同模态医学图像的风格特征差异较大，可能会导致图片之间的内容很难相互对应，对诊断和治疗造成不便。传统的不同模态医学图像之间的风格特征转换一般是通过灰度变换的方法或者基于纹理的映射方法。但医学图像的灰度范围不稳定，且变换方式各不相同，通过灰度变换的方式进行风格特征的转换容易导致图像失真；而由于医学图像的信息不能使用简单的纹理描述，所以通过纹理映射的方法进行风格特征的转换适应性比较差。
技术实现思路
基于此，有必要针对上述技术问题，提供一种医学图像的风格转换方法、装置、医学设备、影像系统及存储介质，可以方便快速地进行不同模态医学图像的风格特征转换，适应性广泛且失真较低。一种医学图像的风格转换方法，包括：获取神经网络模型；获取原始医学图像；将所述原始医学图像作为所述神经网络模型的输入，以利用所述神经网络模型得到目标医学图像；其中，所述原始医学图像的内容特征与所述目标医学图像的内容特征的差异在预设的阈值内，所述原始医学图像的风格特征与所述目标医学图像的风格特征不同。上述医学图像的风格转换方法，通过基于风格迁移算法的神经网络，将原始医学图像转化为风格特征不同的目标医学图像，能够适用于各种模态的医学图像之间进行图像风格转换，且能够保持图像的内容特征的改变在预设的阈值内不易造成失真，方便医生将转换得到的目标医学图像与其他模态的医学图像进行对比观察。在其中一个实施例中，所述获取神经网络模型包括：创建第一神经网络；获取基于第一成像模态的第一医学图像和基于不同于所述第一成像模态的第二成像模态的第二医学图像；将所述第一医学图像作为所述第一神经网络的输入，获取所述第一神经网络输出的第三医学图像；基于所述第一医学图像、所述第二医学图像以及所述第三医学图像，训练所述第一神经网络；得到训练后的所述神经网络模型；其中，所述第二医学图像的内容特征与所述第一医学图像的内容特征的差异在预设的阈值内，所述第二医学图像的风格特征与所述第一医学图像的风格特征不同。在其中一个实施例中，所述医学图像的成像模态包括计算机断层扫描图像、磁共振图像、X射线图像、超声图像以及分子图像中的至少一种。在其中一个实施例中，所述基于所述第一医学图像、所述第二医学图像以及所述第三医学图像，训练所述第一神经网络包括：获取第二神经网络；将所述第一医学图像、所述第二医学图像以及所述第三医学图像作为所述第二神经网络的输入，以计算损失函数；通过所述损失函数更新所述第一神经网络的参数。在其中一个实施例中，所述将所述第一医学图像、所述第二医学图像以及所述第三医学图像作为所述第二神经网络的输入，以计算损失函数包括：比较所述第一医学图像和所述第三医学图像的内容特征，以获取内容差异数据；比较所述第二医学图像和所述第三医学图像的风格特征，以获取风格差异数据；将所述内容差异数据和所述风格差异数据加权求和，以得到所述损失函数。在其中一个实施例中，所述比较所述第二医学图像和所述第三医学图像，以获取风格差异数据包括：通过格拉姆矩阵量化所述第二医学图像和所述第三医学图像的风格特征差异，以获取所述风格差异数据。在其中一个实施例中，所述通过所述损失函数更新所述第一神经网络的参数包括：经过多组所述第一医学图像以及所述第二医学图像更新所述第一神经网络的参数；当所述损失函数达到预设的收敛条件的情况下，确定所述第一神经网络的参数。在其中一个实施例中，所述第一神经网络包括LeNet、GoogLeNet、VGGNet、ResNet、DenseNet、VNet以及UNet中的至少一种。在其中一个实施例中，所述第二神经网络包括LeNet、GoogLeNet、VGGNet、ResNet、DenseNet、VNet以及UNet中的至少一种。一种医学图像的风格转换装置，包括：网络获取模块，用于获取神经网络模型；图像获取模块，用于获取原始医学图像；图像转换模块，用于将所述原始医学图像作为所述神经网络模型的输入，以利用所述神经网络模型得到目标风格医学图像；其中，所述原始医学图像的内容特征与所述目标风格医学图像的内容特征的差异在预设的阈值内，所述原始医学图像的风格特征与所述目标风格医学图像的风格特征不同。上述医学图像的风格转换装置，通过基于风格迁移算法的神经网络，将原始医学图像转化为风格特征不同的目标医学图像，能够适用于各种模态的医学图像之间进行图像风格转换，且能够保持图像的内容特征的改变在预设的阈值内不易造成失真，方便医生将转换得到的目标医学图像与其他模态的医学图像进行对比观察。一种医学设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。一种医学影像系统，包括：成像设备，用于拍摄所述原始医学图像；以及上述医学设备，用于将所述原始医学图像转换为所述目标医学图像。上述医学图像系统，通过基于风格迁移算法的神经网络，将原始医学图像转化为风格特征不同的目标医学图像，能够适用于各种模态的医学图像之间进行图像风格转换，且能够保持图像的内容特征的改变在预设的阈值内不易造成失真，方便医生将转换得到的目标医学图像与其他模态的医学图像进行对比观察。附图说明图1为一个实施例中医学图像的风格转换方法的流程示意图；图2为一个实施例中医学图像的风格转换方法步骤S120的流程示意图；图3为一个实施例中医学图像的风格转换方法步骤S127的流程示意图；图4为一个实施例中医学图像的风格转换装置的结构示意图；图5为一个实施例中医学图像系统的结构示意图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。图1为一个实施例中医学图像的风格转换方法的流程示意图，如图1所示，一种医学图像的风格转换方法，包括以下步骤：步骤S120：获取神经网络模型。步骤S140：获取原始医学图像。步骤S160：将原始医学图像作为神经网络模型的输入，以利用神经网络模型得到目标医学图像；其中，原始医学图像的内容特征与目标医学图像的内容特征的差异在预设的阈值内，原始医学图像的风格特征与目标医学图像的风格特征不同。具体地，在进行医学诊断或治疗时，医生经常需要对感兴趣部位进行不同模态的医学图像的拍摄，并通过得到的医学图像进行对比观察。首先获取用于进行图像风格转换的神经网络模型，该神经网络模型的基本模型可以是风格迁移模型，该风格迁移模型可以基于卷积神经网络，通过多组不同模态的医学图像进行训练得到。得到风格迁移模型后，获取要进行风格转换的原始医学图像，原始医学图像一般可以由相应的医学成像设备获取，原始医学图像可以是计算机断层扫描(ComputedTomography，简称CT)图像、磁共振(MagneticResonance本文档来自技高网...

【技术保护点】
1.一种医学图像的风格转换方法，其特征在于，包括：获取神经网络模型；获取原始医学图像；将所述原始医学图像作为所述神经网络模型的输入，以利用所述神经网络模型得到目标医学图像；其中，所述原始医学图像的内容特征与所述目标医学图像的内容特征的差异在预设的阈值内，所述原始医学图像的风格特征与所述目标医学图像的风格特征不同。

【技术特征摘要】
1.一种医学图像的风格转换方法，其特征在于，包括：获取神经网络模型；获取原始医学图像；将所述原始医学图像作为所述神经网络模型的输入，以利用所述神经网络模型得到目标医学图像；其中，所述原始医学图像的内容特征与所述目标医学图像的内容特征的差异在预设的阈值内，所述原始医学图像的风格特征与所述目标医学图像的风格特征不同。2.根据权利要求1所述的方法，其特征在于，所述获取神经网络模型包括：创建第一神经网络；获取基于第一成像模态的第一医学图像和基于不同于所述第一成像模态的第二成像模态的第二医学图像；将所述第一医学图像作为所述第一神经网络的输入，获取所述第一神经网络输出的第三医学图像；基于所述第一医学图像、所述第二医学图像以及所述第三医学图像，训练所述第一神经网络；得到训练后的所述神经网络模型；其中，所述第二医学图像的内容特征与所述第一医学图像的内容特征的差异在预设的阈值内，所述第二医学图像的风格特征与所述第一医学图像的风格特征不同。3.根据权利要求2所述的方法，其特征在于，所述医学图像的成像模态包括计算机断层扫描图像、磁共振图像、X射线图像、超声图像以及分子图像中的至少一种。4.根据权利要求2所述的方法，其特征在于，所述基于所述第一医学图像、所述第二医学图像以及所述第三医学图像，训练所述第一神经网络包括：获取第二神经网络；将所述第一医学图像、所述第二医学图像以及所述第三医学图像作为所述第二神经网络的输入，以计算损失函数；通过所述损失函数更新所述第一神经网络的参数。5.根据权利要求4所述的方法，其特征在于，所述将所述第一医学图像、所述第二医学图像以及所述第三医学图像作为所述第二神经网络的输入，以计算损失函数包括：比较所述第一医学图像和所述第三医学图像的内容特征，以获取内容差异数据；比较所述第二医学图像和所述第三医学图像的风格特征，以获取风格差异数据；将所述内容差异数据和所述风格差异数据加权求和，以得到所述损失函数。6.根据权...

【专利技术属性】
技术研发人员：吴柯，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：上海,31