一种模拟CT图像生成方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术适用于计算机领域，提供了一种模拟CT图像生成方法，包括：获取MR扫描图像；对MR扫描图像处理获取多个mdixon序列图像；根据序列图像确定扫描图像中各图像点的特征信息；根据各点的特征信息以及基于层次支持向量机算法训练生成的四元医学影像分类模型确定与各点对应的成分类别的概率；根据各点对应的成分类别的概率确定各点对应的CT值；根据CT值生成模拟CT图像。本发明专利技术实施例提供的模拟CT图像生成方法，在输入MR扫描图像后，通过处理生成多个mdixon序列图像，再从多个mdixon序列图像中提取各图像点的特征信息，结合预先训练生成四元医学影像分类模型，直接确定各图像点对应的CT值，从而生成模拟CT图像，处理数据量少，有效地提高了处理效率。

An Analog CT Image Generation Method, Device, Computer Equipment and Storage Media

【技术实现步骤摘要】
一种模拟CT图像生成方法、装置、计算机设备和存储介质
本专利技术属于计算机领域，尤其涉及一种模拟CT图像生成方法、装置、计算机设备和存储介质。
技术介绍
CT(ComputedTomography，电子计算机断层扫描)和MR(MagneticResonance，核磁共振)是目前医学上常用的两种成像技术。CT用X射线束对人体某部一定厚度的层面进行扫描，由探测器接收透过该层面的X射线，转变为可见光后，由光电转换变为电信号，再经数字转换器转为数字，输入计算机处理。MR通过静电场中的人体施加某种特定频率的视频脉冲，使人体组织中的氢质子收到激励而发生核磁共振现象，当终止射频脉冲后，质子在弛豫过程中感应出MR信号，经过对MR信号的接受、空间编码和图像重建等处理过程，及产生MR图像。而在现有的诊断过程中，经常需要根据MR图像模拟出可能的CT图像，然而现有的CT模拟生成图像技术，是利用图像对应点的匹配并通过计算模拟生成CT图像。由于在生成模拟CT图像中需要用到大量的数据计算，导致图像处理效率低，且模拟出的CT图像性能不佳。可见，现有的模拟CT图像生成图像技术，还存在着图像处理效率低、生成效果不好的技术问题。
技术实现思路
本专利技术实施例的目的在于提供一种模拟CT图像生成方法，旨在解决现有的模拟CT图像生成技术还存在的图像处理效率低、生成效果不好的技术问题。本专利技术实施例是这样实现的，一种模拟CT图像生成方法，包括：获取待转化为模拟CT图像的MR扫描图像；对所述MR扫描图像进行处理获取所述MR扫描图像的多个mdixon序列图像，所述多个mdixon序列图像包括脂肪图、水图、正相位图以及反相位图；根据多个mdixon序列图像确定所述MR扫描图像中各图像点的特征信息，所述特征信息包括各图像点的空间坐标以及在多个mdixon序列图像中的MR值；根据所述各图像点的特征信息以及基于层次支持向量机算法训练生成的四元医学影像分类模型确定与所述各图像点对应的成分类别的概率，所述成分类别包括脂肪、软组织、空气以及骨骼；根据所述各图像点对应的成分类别的概率确定各图像点对应的CT值；根据所述CT值生成模拟CT图像。本专利技术实施例的另一目的在于提供一种模拟CT图像生成装置，其特征在于，所述方法包括：MR扫描图像获取单元，用于获取待转化为模拟CT图像的MR扫描图像；MR扫描图像处理单元，用于对所述MR扫描图像进行处理获取所述MR扫描图像的多个mdixon序列图像，所述多个mdixon序列图像包括脂肪图、水图、正相位图以及反相位图；特征信息确定单元，用于根据多个mdixon序列图像确定所述MR扫描图像中各图像点的特征信息，所述特征信息包括各图像点的空间坐标以及在多个mdixon序列图像中的MR值；分类单元，用于根据所述各图像点的特征信息以及基于层次支持向量机算法训练生成的四元医学影像分类模型确定与所述各图像点对应的成分类别的概率，所述成分类别包括脂肪、软组织、空气以及骨骼；CT值确定单元，用于根据所述各图像点对应的成分类别的概率确定各图像点对应的CT值；以及模拟CT图像生成单元，用于根据所述CT值生成模拟CT图像。本专利技术实施例的另一目的在于提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述所述的模拟CT图像生成方法的步骤。本专利技术实施例的另一目的在于一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述所述的模拟CT图像生成方法的步骤。本专利技术实施例提供的一种模拟CT图像生成方法，通过将所述MR扫描图像处理为多个mdixon序列图像，包括脂肪图、水图、正相位图以及反相位图，然后根据各序列图像确定原MR扫描图像中各图像点的特征信息，所述特征信息包括各图像点的空间坐标以及在多个mdixon序列图像中的MR值，并根据各图像点的特征信息以及基于层次支持向量机算法预先训练生成好的四元医学影像分类模型确定各图像点对应的成分类别的概率，所述成分类别包括脂肪、软组织、空气以及骨骼，并根据各成分类别的概率确定相应的CT值，从而直接确定模拟CT图像。本专利技术实施例提供的模拟CT图像生成方法，在输入MR扫描图像后，能够自行对MR图像进行处理，直接输出相应的CT图像，有效地提高了处理效率，且处理过程中所采用的四元医学影像分类模型通过大量样本数据预先训练生成，有效地保证了处理过程中的准确率，提高了生成的CT图像的效果。附图说明图1为本专利技术实施例提供的一种模拟CT图像生成方法的步骤流程图；图2为本专利技术实施例提供的一种图像点分类方法的步骤流程图；图3为本专利技术实施例提供的一种训练生成四元医学影像分类模型的步骤流程图；图4为本专利技术实施例提供的一种训练生成多个二元医学影像分类模型的步骤流程图；图5为本专利技术实施例提供的一种模拟CT图像生成装置的结构示意图；图6为本专利技术实施例提供的一种分类单元的结构示意图；图7为本专利技术实施例提供的一种四元医学影像分类模型训练生成单元的结构示意图；图8为本专利技术实施例提供的一种二元医学影像分类模型训练生成模块的结构示意图。图9为本专利技术实施例提供的模拟CT图像生成方法与传统模拟CT图像生成方法性能对比图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术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专利技术，并不用于限定本专利技术。可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。本专利技术实施例为解决现有的CT模拟图像生成技术还存在的图像处理效率低、生成效果不好的技术问题，提供了一种图像处理效率高、图像生成质量高的CT模拟图像方法，在接收到MR扫描图像后，通过提取MR扫描图像中的特性信息，并以特征信息作为输入，结合预先训练好的四元医学影像分类模型直接确定各图像点对应成分类别的概率，所述四元医学影像分类模型是预先基于层次支持向量机算法，并利用样本数据训练生成的，最终根据对应的对应的成分类别的概率确定各图像点对应CT值，从而直接生成模拟CT图像，整个模拟CT图像生成过程，数据处理量小，处理效率高，且最终生成的模拟CT图像效果质量高。如图1所示，在一个实施例中，提出了一种模拟CT图像生成方法，具体可以包括以下步骤：步骤S102，获取待转化为模拟CT图像的MR扫描图像。在本专利技术实施例中，CT图像是由一定数目由黑到白不同灰度的像素按矩阵排列所构成，这些像素事实上反映的是相应体素的X线吸收系数，即CT值，因此只需要确定MR图像中各图像点对应的CT值，即可确定相应的模拟CT图像。步骤S104，对所述MR扫描图像进行处理获取所述MR扫描图像的多个mdixon序列图像。在本专利技术实施例中，所述mdixon是一种脂肪抑制技术，利用自旋回波序列，在不同的回波时间，分别采集水和脂肪质子的正相位和反相位两种回波信号，通过将两种不通过信号相加减，从而达到水、脂分离的效果，即可本文档来自技高网...

【技术保护点】
1.一种模拟CT图像生成方法，其特征在于，包括：获取待转化为模拟CT图像的MR扫描图像；对所述MR扫描图像进行处理获取所述MR扫描图像的多个mdixon序列图像，所述多个mdixon序列图像包括脂肪图、水图、正相位图以及反相位图；根据多个mdixon序列图像确定所述MR扫描图像中各图像点的特征信息，所述特征信息包括各图像点的空间坐标以及在多个mdixon序列图像中的MR值；根据所述各图像点的特征信息以及基于层次支持向量机算法训练生成的四元医学影像分类模型确定与所述各图像点对应的成分类别的概率，所述成分类别包括脂肪、软组织、空气以及骨骼；根据所述各图像点对应的成分类别的概率确定各图像点对应的CT值；根据所述CT值生成模拟CT图像。

【技术特征摘要】
1.一种模拟CT图像生成方法，其特征在于，包括：获取待转化为模拟CT图像的MR扫描图像；对所述MR扫描图像进行处理获取所述MR扫描图像的多个mdixon序列图像，所述多个mdixon序列图像包括脂肪图、水图、正相位图以及反相位图；根据多个mdixon序列图像确定所述MR扫描图像中各图像点的特征信息，所述特征信息包括各图像点的空间坐标以及在多个mdixon序列图像中的MR值；根据所述各图像点的特征信息以及基于层次支持向量机算法训练生成的四元医学影像分类模型确定与所述各图像点对应的成分类别的概率，所述成分类别包括脂肪、软组织、空气以及骨骼；根据所述各图像点对应的成分类别的概率确定各图像点对应的CT值；根据所述CT值生成模拟CT图像。2.根据权利要求1所述的模拟CT图像生成方法，其特征在于，所述根据所述各图像点的特征信息以及基于层次支持向量机算法训练生成的四元医学影像分类模型确定与所述各图像点对应的成分类别的概率的步骤，具体包括：根据预设的取样规则在所述MR扫描图像中确定多个样本图像点；根据所述各样本图像点的特征信息以及基于层次支持向量机算法训练生成的四元医学影像分类模型确定与所述各样本图像点对应的成分类别的概率；在所述多个样本图像点中确定与MR扫描图像中各剩余图像点距离最近的多个参考图像点并确定各剩余图像点与所述多个参考图像点之间的距离；根据所述各剩余图像点与所述多个参考图像点之间的距离确定所述多个参考图像点对所述各剩余图像点的影响权重；根据所述多个参考图像点对所述各剩余图像点的影响权重以及所述与各参考图像点对应的成分类别的概率确定与所述各剩余图像点对应的成分类别的概率。3.根据权利要求1所述的模拟CT图像生成方法，其特征在于，所述基于层次支持向量机算法训练生成的四元医学影像分类模型的生成方法包括：基于支持向量机算法训练生成多个二元医学影像分类模型；确定所述多个二元医学影像分类模型的分类正确概率；根据所述分类正确概率以及所述多个二元医学影像分类模型构建四元医学影像分类模型。4.根据权利要求3所述的模拟CT图像生成方法，其特征在于，所述基于支持向量机算法训练生成多个二元医学影像分类模型的生成方法包括：获取MR扫描样本图像；对所述MR扫描样本图像进行处理获取所述MR扫描样本图像的多个mdixon序列样本图像，所述多个mdixon序列样本图像包括脂肪图、水图、正相位图以及反相位图；根据所述多个mdixon序列样本图像确定所述MR扫描样本图像中各图像点的特征信息，所述特征信息包括各图像点的空间坐标以及在多个mdixon序列样本图像中的MR值；获取所述MR扫描样本图像中各图像点对应的成分类别；基于支持向量机算法以及不同的成分类别分类情况，根据所述各图像点的特征信息以及对应的成分类别确定不同的二元医学影像分类模型。5.一种模拟CT图像生成装置，其特征在于，所述方法包括：MR扫描图像获取单元，用于获取待转化为模拟CT图像的MR扫描图像；MR扫描图像处理单元，用于对所述MR扫描图像进行处理获取所述MR扫描图像的多个mdixon序列图像，所述多个mdixon序列图像包括脂肪图、水图、正相位图以及反相位图；特征信息确定单元，用于根据多个mdixon序列图像确定所述MR扫描图像中各图像点的特征信息...

【专利技术属性】
技术研发人员：王子贤，刘凡，汪思瀚，吴甜颖，杨晨，郑佳敏，蒋亦樟，钱鹏江，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32