【技术实现步骤摘要】
基于模块化GAN的多模态MRI与多模态CT的转换方法、系统及介质
本专利技术涉及医学图像处理领域,具体涉及一种基于模块化GAN的多模态MRI与多模态CT的转换方法、系统及介质,可用于根据给定模态的MRI或CT图和目标模态,通过条件生成对抗网络生成配准的多模态MRI和CT图。
技术介绍
医学影像有很多的模态,例如核磁共振影像(MRI)、超声波、CT等等。MRI可以再细分出T1、T2、T1w、T2w等不同对比度的子模态,CT也可以根据不同的照射剂量得到不同的子模态图像。相较于单模态数据,配准的多模态影像数据能提供更多的信息。然而,配准的多模态医学影像的采集代价很高。因此,通过应用图像合成技术扩展数据集,从已有的单模态图像转换为配准的多模态图像,有着广泛的用途和深远的意义。一些研究采用全卷积神经网络(FCN)或者生成对抗网络(GAN)来进行医学图像的转换。FCN需要配准的多模态数据集来进行有监督学习,这带来了极大的限制。GAN可以实现无监督学习,通常包含一个生成器和鉴别器,生成器实现模态的转换生成,鉴别器为生成器提供一个对抗性损失指导其生成的图像更加真实。在使用GAN进行多模态医学图像转换时,一种思路是训练多个GAN,每个GAN负责一项转换任务,另一种思路是采用条件GAN,在模态输入时加入目标模态的指向信息,通过不同的条件指向来训练生成器实现不同的转换任务。当前的基于条件GAN的多域转换方法只适用于MRI或CT内部各个十分相似的子模态的转换。采用两个GAN实现的MRI与CT双模态的转换的方法在扩展到多模态时 ...
【技术保护点】
1.一种基于模块化GAN的多模态MRI与多模态CT的转换方法,其特征在于实施步骤包括:/n1)判断需要执行的任务类型,若该任务为CT图-CT图模态转换则跳转执行步骤2),为CT图-MRI图模态转换则跳转执行步骤3),为MRI图-MRI图模态转换则跳转执行步骤4),为MRI图-CT图模态转换则跳转执行步骤5),为CT图-MRI病灶任务转换则跳转执行步骤6),为MRI图-CT病灶任务转换则跳转执行步骤7);/n2)将完成训练后的GAN网络中的CT模态编码器与CT模态解码器组合可以得到一个CT内部多模态转换器,通过CT内部多模态转换器将输入的任意模态的CT图通转换生成目标模态的转换生成CT图;退出;/n3)将完成训练后的GAN网络中的CT模态编码器与MRI模态解码器组合可以得到一个CT-MRI多模态转换器,通过CT-MRI多模态转换器将输入的任意模态的CT图通转换生成目标模态的转换生成MRI图;退出;/n4)将完成训练后的GAN网络中的MRI模态编码器与MRI模态解码器组合可以得到一个MRI内部多模态转换器,通过MRI内部多模态转换器将输入的任意模态的MRI图通转换生成目标模态的转换生成MR ...
【技术特征摘要】
1.一种基于模块化GAN的多模态MRI与多模态CT的转换方法,其特征在于实施步骤包括:
1)判断需要执行的任务类型,若该任务为CT图-CT图模态转换则跳转执行步骤2),为CT图-MRI图模态转换则跳转执行步骤3),为MRI图-MRI图模态转换则跳转执行步骤4),为MRI图-CT图模态转换则跳转执行步骤5),为CT图-MRI病灶任务转换则跳转执行步骤6),为MRI图-CT病灶任务转换则跳转执行步骤7);
2)将完成训练后的GAN网络中的CT模态编码器与CT模态解码器组合可以得到一个CT内部多模态转换器,通过CT内部多模态转换器将输入的任意模态的CT图通转换生成目标模态的转换生成CT图;退出;
3)将完成训练后的GAN网络中的CT模态编码器与MRI模态解码器组合可以得到一个CT-MRI多模态转换器,通过CT-MRI多模态转换器将输入的任意模态的CT图通转换生成目标模态的转换生成MRI图;退出;
4)将完成训练后的GAN网络中的MRI模态编码器与MRI模态解码器组合可以得到一个MRI内部多模态转换器,通过MRI内部多模态转换器将输入的任意模态的MRI图通转换生成目标模态的转换生成MRI图;退出;
5)将完成训练后的GAN网络中的MRI模态编码器与CT模态解码器组合可以得到一个MRI-CT多模态转换器,通过MRI-CT多模态转换器将输入的任意模态的MRI图通转换生成目标模态的转换生成CT图;退出;
6)将完成训练后的GAN网络中的CT模态编码器与MRI病灶任务解码器组合即可得到一个MRI病灶任务处理器,通过MRI病灶任务处理器将输入的任意模态的CT图通转换生成MRI病灶任务;退出;
7)将完成训练后的GAN网络中的MRI模态编码器与CT病灶任务解码器组合即可得到一个CT病灶任务处理器,通过CT病灶任务处理器将输入的任意模态的MRI图通转换生成CT病灶任务。
2.根据权利要求1所述的基于模块化GAN的多模态MRI与多模态CT的转换方法,其特征在于,步骤2)中通过CT内部多模态转换器将输入的任意模态的CT图通转换生成目标模态的转换生成图的步骤包括:将任意模态的CT图通过CT内部多模态转换器的CT模态编码器编码得到语义特征图,再与用于选定目标模态的独热条件向量通道向堆叠,最后通过CT内部多模态转换器的CT模态解码器转换生成目标模态的转换生成CT图,且该转换生成CT图的病灶标签为CT病灶任务的标签labelx。
3.根据权利要求1所述的基于模块化GAN的多模态MRI与多模态CT的转换方法,其特征在于,步骤3)中通过CT-MRI多模态转换器将输入的任意模态的CT图通转换生成目标模态的转换生成MRI图的步骤包括:将任意模态的CT图通过CT-MRI多模态转换器的CT模态编码器编码得到语义特征图,再与用于选定目标模态的独热条件向量通道向堆叠,最后通过CT-MRI多模态转换器的MRI模态解码器转换生成目标模态的转换生成MRI图,且该转换生成MRI图的病灶标签为MRI病灶任务的标签labely。
4.根据权利要求1所述的基于模块化GAN的多模态MRI与多模态CT的转换方法,其特征在于,步骤4)中通过MRI内部多模态转换器将输入的任意模态的MRI图通转换生成目标模态的转换生成图的步骤包括:将任意模态的MRI图通过MRI内部多模态转换器的MRI模态编码器编码得到语义特征图,再与用于选定目标模态的独热条件向量通道向堆叠,最后通过MRI内部多模态转换器的MRI模态解码器转换生成目标模态的转换生成MRI图,且该转换生成MRI图的病灶标签为MRI病灶任务的标签labely。
5.根据权利要求1所述的基于模块化GAN的多模态MRI与多模态CT的转换方法,其特征在于,步骤5)中通过MRI-CT多模态转换器将输入的任意模态的MRI图通转换生成目标模态的转换生成CT图的步骤包括:将任意模态的MRI图通过MRI-CT多模态转换器的MRI模态编码器编码得到语义特征图,再与用于选定目标模态的独热条...
【专利技术属性】
技术研发人员:瞿毅力,苏琬棋,邓楚富,王莹,卢宇彤,陈志广,肖侬,
申请(专利权)人:中山大学,
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。