图像生成方法、装置、设备和存储介质制造方法及图纸

本申请提供一种图像生成方法、装置、设备和存储介质。该方法包括：获取原始图像；将所述原始图像输入至预设的图像生成模型中，生成目标图像；所述目标图像与所述原始图像的模态和/或分辨率不同，且所述原始图像与所述目标图像为医学图像。由于计算机设备能够通过已经训练好的图像生成模型生成与原始图像模态和/或分辨率不同的目标图像，而不需要使用图像配准的方法生成与原始图像模态和/或分辨率不同的目标图像，因此，解决了传统技术的图像生成方法过于依赖图像配准的精度，且配准过程的难度较高，花费时间较长的技术问题，从而缩短了图像生成的时间，降低了图像生成的难度，进而提高了图像生成的效率。

Image generation methods, devices, devices and storage media

【技术实现步骤摘要】
图像生成方法、装置、设备和存储介质
本申请涉及图像处理领域，特别是涉及一种图像生成方法、装置、设备和存储介质。
技术介绍
在医学诊断中，通常会将患者的多种模态的医学图像进行综合分析，以得到患者较为全面的信息。以患者的多种模态的医学图像为磁共振(MagneticResonance，MR)图像和电子计算机断层扫描(ComputedTomography，CT)图像为例，医生通常会将患者的MR图像和CT图像结合起来分析患者的病患情况。但是，采集CT图像会对患者造成辐射影响，因此，如何根据MR图像生成CT图像对于医学的发展有很重大的意义。传统技术中，通常采用图谱配准的方法由MR图像生成CT图像。具体的过程可以为：首先需要将多对MR图像和CT图像进行配准，形成多张配准好的图谱，然后将多张图谱中的各个MR图像配准到测试MR图像上，依据多张图谱中的各个MR图像与测试MR图像的配准规则，对多张图谱中的各个CT图像进行配准，再依据配准结果生成测试MR图像对应的CT图像。但是，由于传统技术的图像生成方法过于依赖图像配准的精度，且配准过程的难度较高，花费时间较长。
技术实现思路
基于此，有必要针对传统技术的图像本文档来自技高网...

【技术保护点】
1.一种图像生成方法，其特征在于，包括：获取原始图像；将所述原始图像输入至预设的图像生成模型中，生成目标图像；所述目标图像与所述原始图像的模态和/或分辨率不同，且所述原始图像与所述目标图像为医学图像。

【技术特征摘要】
1.一种图像生成方法，其特征在于，包括：获取原始图像；将所述原始图像输入至预设的图像生成模型中，生成目标图像；所述目标图像与所述原始图像的模态和/或分辨率不同，且所述原始图像与所述目标图像为医学图像。2.根据权利要求1所述的方法，其特征在于，所述将所述原始图像输入至预设的图像生成模型中，生成目标图像，包括：将所述原始图像切分成多张子图像；将各个所述子图像输入至所述图像生成模型中，生成每个所述子图像对应的子目标图像；将各个所述子目标图像进行整合，得到所述原始图像对应的目标图像。3.根据权利要求1所述的方法，其特征在于，在所述将所述原始图像输入至预设的图像生成模型中，生成目标图像之前，还包括：采用预设的对抗学习方法，根据预设的判别网络模型对预设的生成网络模型进行训练，得到所述图像生成模型。4.根据权利要求3所述的方法，其特征在于，所述采用预设的对抗学习方法，根据预设的判别网络模型对预设的生成网络模型进行训练，得到所述图像生成模型，包括：根据训练图像集、所述生成网络模型和所述判别网络模型，确定图像生成参数实际值；其中，所述生成网络模型中包括图像生成参数初始值；所述训练图像集包括所述原始图像和所述原始图像对应的实际目标图像；所述判别网络模型包括内容判别网络模型和形状判别网络模型；将所述图像生成参数初始值替换为所述图像生成参数实际值，得到所述图像生成模型。5.根据权利要求4所述的方法，其特征在于，所述根据训练图像集、所述生成网络模型和所述判别网络模型，确定图像生成参数实际值，包括：将所述原始图像输入至所述生成...

【专利技术属性】
技术研发人员：葛云皓，廖术，魏冬铭，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海,31