一种三维医学图像超分辨率重建方法及装置制造方法及图纸

本公开涉及一种三维医学图像超分辨率重建方法及装置，其中，该方法包括：获取待重建的三维医学图像中的原始切片序列；将所述原始切片序列中的原始切片输入到深度学习模型中，得到原始切片之间的生成切片序列；根据所述生成切片序列与所述原始切片序列，得到重建后的三维医学图像，其中，重建后的三维医学图像的分辨率高于所述待重建的三维医学图像的分辨率。通过本公开，在图像采集过程中，可以有效节省采集时间和成本，降低采集设备硬件要求，对于采集到的平面间分辨率较低的图像，仍然可以重建出效果理想的高分辨率的三维医学图像；同时，医生可以从得到的生成切片序列中获取更多的信息，从而更好地辅助临床医学诊断。

【技术实现步骤摘要】
一种三维医学图像超分辨率重建方法及装置
本公开涉及计算机图像处理
，尤其涉及一种三维医学图像超分辨率重建方法及装置。
技术介绍
医学图像广泛于临床医学辅助诊断中，受限于采集时间和硬件条件等因素，通常采集的三维医学图像的平面间的分辨率比平面内分辨率差。因此，需要采用超分辨率重建来提高三维医学图像的分辨率。相关技术中，基于差值的上采样方法中，重建后的图像没有带来更多的额外信息；基于监督学习的方法中，对于平面间分辨率较低的三维医学图像，重建后的效果较差。
技术实现思路
有鉴于此，本公开提出了一种三维医学图像超分辨率重建方法、装置及存储介质。根据本公开的一方面，提供了一种三维医学图像超分辨率重建方法，所述方法包括：获取待重建的三维医学图像中的原始切片序列；将所述原始切片序列中的原始切片输入到深度学习模型中，得到原始切片之间的生成切片序列；根据所述生成切片序列与所述原始切片序列，得到重建后的三维医学图像，其中，重建后的三维医学图像的分辨率高于所述待重建的三维医学图像的分辨率。在一种可能的实现方式中本文档来自技高网...

【技术保护点】
1.一种三维医学图像超分辨率重建方法，其特征在于，所述方法包括：/n获取待重建的三维医学图像中的原始切片序列；/n将所述原始切片序列中的原始切片输入到深度学习模型中，得到原始切片之间的生成切片序列；/n根据所述生成切片序列与所述原始切片序列，得到重建后的三维医学图像，其中，重建后的三维医学图像的分辨率高于所述待重建的三维医学图像的分辨率。/n

【技术特征摘要】
1.一种三维医学图像超分辨率重建方法，其特征在于，所述方法包括：
获取待重建的三维医学图像中的原始切片序列；
将所述原始切片序列中的原始切片输入到深度学习模型中，得到原始切片之间的生成切片序列；
根据所述生成切片序列与所述原始切片序列，得到重建后的三维医学图像，其中，重建后的三维医学图像的分辨率高于所述待重建的三维医学图像的分辨率。


2.根据权利要求1所述的方法，其特征在于，将所述原始切片序列中的原始切片输入到深度学习模型中，得到原始切片之间的生成切片序列，包括：
将所述原始切片序列中的原始切片逐一输入到所述深度学习模型中，针对每一原始切片重复执行将所述深度学习模型最新输出的生成切片输入到所述深度学习模型中的操作，直到达到预设的第一迭代次数；
根据所述深度学习模型输出的所有生成切片，得到原始切片之间的生成切片序列。


3.根据权利要求1所述的方法，其特征在于，将所述原始切片序列中的原始切片输入到深度学习模型中，得到原始切片之间的生成切片序列，包括：
将所述原始切片序列中的原始切片逐一输入到所述深度学习模型中，针对每一原始切片重复执行将所述深度学习模型先前第一预设次数的输入图像及所述深度学习模型最新输出的生成切片输入到所述深度学习模型中的操作，直到达到预设的第二迭代次数；
根据所述深度学习模型输出的所有生成切片，得到原始切片之间的生成切片序列。


4.根据权利要求1所述的方法，其特征在于，所述深度学习模型为利用三维医学图像训练样本序列对包含生成器及判别器的生成对抗网络进行生成对抗训练所得到的。


5.根据权利要求4所述的方法，其特征在于，所述三维医学图像训练样本序列包括三维医学图像中同一方向分辨率相同的切片。


6.根据权利要求4或5所述的方法，其特征在于，所述方法还包括：
针对所述训练样本序列中的相邻训练样本，将所述相邻训练样本中的一个训练样本输入到所述生成器中，并重复执行将所述生成器最新输出的生成切片输入到所述生成器中的操作，直到达到预设的第三迭代次数...

【专利技术属性】
技术研发人员：吴振洲，徐奕宁，
申请(专利权)人：北京安德医智科技有限公司，
类型：发明
国别省市：北京;11