【技术实现步骤摘要】
【国外来华专利技术】使用具有可变形层的CycleGAN的SCT图像生成
[0001]优先权要求
[0002]本申请要求于2019年6月6日提交的美国临时申请第62/858,156号的优先权权益，其全部内容通过引用并入本文中。
[0003]本公开内容的实施方式一般地涉及锥形束计算机断层扫描(CBCT)成像、计算机断层扫描成像和人工智能处理技术。特别地，本公开内容涉及适于与CBCT以及计算机断层扫描图像和系统操作一起使用的生成式对抗网络(GAN)中的数据模型的生成和使用。
技术介绍
[0004]X射线锥形束计算机断层扫描(CBCT)成像在放射疗法中已经用于患者设置和自适应重新计划。在一些情况下，CBCT成像也已经用于诊断目的，例如牙科成像和植入物计划。此外，X射线CBCT成像已被用于许多与成像相关的应用例如微计算机断层扫描中。然而，正如医学物理学家、医生和研究人员所观察到的那样，CBCT图像的图像质量可能相当低。通常，CBCT图像可能包含不同类型的伪像(包括重建数据中的在所研究的真实对象中不存在的各种类型的噪声或可视化结构)。
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于从锥形束计算机断层扫描(CBCT)图像生成合成的计算机断层扫描(sCT)图像的计算机实现的方法，所述方法包括：接收受试者的CBCT图像；使用生成模型来生成与所述CBCT图像相对应的sCT图像，所述生成模型在生成式对抗网络(GAN)中基于一个或更多个可变形偏移层被训练为处理作为输入的所述CBCT图像并提供所述sCT图像作为输出；以及生成所述sCT图像的显示以用于所述受试者的医学分析。2.根据权利要求1所述的方法，其中：所述生成式对抗网络被配置成：使用判别模型来训练所述生成模型；使用所述判别模型与所述生成模型之间的对抗训练来建立由所述生成模型和所述判别模型应用的值；以及所述生成模型和所述判别模型包括相应的卷积神经网络。3.根据权利要求2所述的方法，其中：所述对抗训练包括：通过将所述一个或更多个可变形偏移层的第一组一个或更多个可变形偏移层应用于给定CBCT图像来训练所述生成模型以从所述给定CBCT图像生成第一sCT图像；在不将所述一个或更多个可变形偏移层的所述第一组一个或更多个可变形偏移层应用于所述给定CBCT图像的情况下训练所述生成模型以从所述给定CBCT图像生成第二sCT图像；以及训练所述判别模型以将所述第一sCT图像分类为合成的计算机断层扫描(CT)图像或真实的计算机断层扫描(CT)图像，以及所述生成模型的输出被用于训练所述判别模型，并且所述判别模型的输出被用于训练所述生成模型。4.根据权利要求3所述的方法，其中，所述GAN是使用包括所述生成模型和所述判别模型的循环生成式对抗网络(CycleGAN)训练的，其中，所述生成模型是第一生成模型并且所述判别模型是第一判别模型，其中，所述CycleGAN还包括：第二生成模型，其被训练成：处理作为输入的给定CT图像；通过将所述一个或更多个可变形偏移层的第二组一个或更多个可变形偏移层应用于所述给定CT图像来提供第一合成(sCBCT)图像作为输出；以及在不将所述一个或更多个可变形偏移层的所述第二组一个或更多个可变形偏移层应用于所述给定CT图像的情况下提供第二合成(sCBCT)图像作为输出；以及第二判别模型，其被训练成将所述第一合成sCBCT图像分类为合成的CBCT图像或真实的CBCT图像。5.根据权利要求4所述的方法，其中，所述CycleGAN包括用于训练所述第一生成模型的第一部分，其中，所述第一生成模型包括第一输入接口和第二输入接口以及第一共享生成器部分，其中，所述第二生成模型包括第三输入接口和第四输入接口以及第二共享生成器部分，所述第一部分被训练成：获得与真实CT图像配对的训练CBCT图像；将所述训练CBCT图像经由第一路径和第二路径发送至所述第一生成模型的输入端，以
分别输出所述第一sCT图像和所述第二sCT图像，所述第一路径包括第一输入接口，所述第一输入接口包括所述一个或更多个可变形偏移层的所述第一组一个或更多个可变形偏移层和一个或更多个卷积层的第一组一个或更多个卷积层，所述第二路径包括第二输入接口，所述第二输入接口包括所述一个或更多个卷积层的所述第一组一个或更多个卷积层而没有所述一个或更多个可变形偏移层的所述第一组一个或更多个可变形偏移层；在所述第一判别模型的输入端处接收所述第一sCT图像，以将所述第一sCT图像分类为所述合成CT图像或所述真实CT图像；以及经由第三路径和第四路径在所述第二生成模型的输入端处接收所述第一sCT图像和所述第二sCT图像以分别生成用于计算循环一致性损失的第一循环CBCT图像和第二循环CBCT图像，所述第三路径包括第三输入接口，所述第三输入接口包括所述一个或更多个可变形偏移层的第二组一个或更多个可变形偏移层和所述一个或更多个卷积层的第二组一个或更多个卷积层，所述第四路径包括第四输入接口，所述第四输入接口包括所述一个或更多个卷积层的所述第二组一个或更多个卷积层而没有所述一个或更多个可变形偏移层的所述第二组一个或更多个可变形偏移层。6.根据权利要求5所述的方法，其中，所述CycleGAN包括第二部分，所述第二部分被训练成：将所述真实CT图像经由第五路径和第六路径发送至所述第二生成模型的输入端，以分别输出第一合成CBCT图像和第二合成CBCT图像，所述第五路径包括第三输入接口，所述第三输入接口包括所述一个或更多个可变形偏移层的所述第二组一个或更多个可变形偏移层和所述一个或更多个卷积层的所述第二组一个或更多个卷积层，所述第六路径包括第四输入接口，所述第四输入接口包括所述一个或更多个卷积层的所述第二组一个或更多个卷积层而没有所述一个或更多个可变形偏移层的所述第二组一个或更多个可变形偏移层；在所述第二判别模型的输入端处接收所述第一合成CBCT图像，以将所述第一合成CBCT图像分类为合成CBCT图像或真实CBCT图像；以及经由第七路径和第八路径在所述第一生成模型的输入端处接收所述第一合成CBCT图像和所述第二合成CBCT图像以生成用于计算循环一致性损失的第一循环CT图像和第二循环CT图像，所述第七路径包括第一输入接口，所述第一输入接口包括所述一个或更多个可变形偏移层的所述第一组一个或更多个可变形偏移层和所述一个或更多个卷积层的所述第一组一个或更多个卷积层，所述第八路径包括第二输入接口，所述第二输入接口包括所述一个或更多个卷积层的所述第一组一个或更多个卷积层而没有所述一个或更多个可变形偏移层的所述第一组一个或更多个可变形偏移层。7.根据权利要求6所述的方法，其中：基于所述第一循环CBCT图像和所述第二循环CBCT图像与所述训练CBCT图像的比较以及所述第一循环CT图像和所述第二循环CT图像与所述真实CT图像的比较生成所述循环一致性损失；使用所述第二sCT图像训练所述第一生成模型以使第一基于像素的损失项最小化或减少第一基于像素的损失项，所述第一基于像素的损失项表示多个合成CT图像与分别配对的真实CT图像之间的差异的期望；以及使用所述第二合成(sCBCT)图像训练所述第二生成模型以使第二基于像素的损失项最
小化或减少第二基于像素的损失项，所述第二基于像素的损失项表示多个合成CBCT图像与分别配对的真实CBCT图像之间的差异的期望。8.根据权利要求7所述的方法，其中：所述CycleGAN被训练成将度量应用于所述第一基于像素的损失项和所述第二基于像素的损失项，所述度量是基于与一对CBCT图像和真实CT图像具有相同大小的图来生成，使得所述图中的每个像素值表示给定CBCT图像与和所述给定CBCT图像配对的给定真实CT图像之间的相似性程度；以及所述CycleGAN被训练成将阈值应用于所述度量，使得当所述相似性程度超过所述阈值时，将所述度量应用于所述第一基于像素的损失项和所述第二基于像素的损失项，否则将零值应用于所述第一基于像素的损失项和所述第二基于像素的损失项。9.根据权利要求1至8中任一项所述的方法，其中，所述CycleGAN被训练成将多个度量中的一个应用于所述第一基于像素的损失项和所述第二基于像素的损失项，所述度量是使用处于不同的图像分辨率或视图级别的所述配对的CBCT图像和CT图像的低通滤波和下采样生成的。10.根据权利要求9所述的方法，其中，基于所述对抗训练来训练所述一个或更多个可变形偏移层以改变采样量、引入坐标偏移并使用插值对图像进行重新采样，以存储或吸收在所述配对的CBCT图像和CT图像之间的变形结构信息。11.一种用于训练模型以从锥形束计算机断层扫描(CBCT)图像生成合成计算机断层扫描(sCT)图像的计算机实现的方法，所述方法包括：接收受试者的CBCT图像作为生成模型的输入；以及在生成式对抗网络(GAN)中经由第一路径和第二路径训练所述生成模型以处理所述CBCT图像，以提供与所述CBCT图像相对应的第一合成计算机断层扫描(sCT)图像和第二合成计算机断层扫描(sCT)图像作为所述生成模型的输出，所述第一路径包括一个或更多个可变形偏移层的第一组一个或更多个可变形偏移层和一个或更多个卷积层的第一组一个或更多个卷积层，所述第二路径包括所述一个或更多个卷积层的所述第一组一个或更多个卷积层而没有所述一个或更多个可变形偏移层的所述第一组一个或更多个可变形偏移层。12.根据权利要求11所述的方法，其中，所述GAN是使用包括所述生成模型和判别模型的循环生成式对抗网络(CycleGAN)训练的，其中，所述生成模型是第一生成模型并且所述判别模型是第一判别模型，所述方法还包括：训练第二生成模型来处理作为输入的所产生的第一sCT图像和第二sCT图像，并且分别经由第三路径和第四路径提供第一循环CBCT图像和第二循环CBCT图像作为输出，所述第三路径包括所述一个或更多个可变形偏移层的第二组一个或更多个可变形偏移层和所述一个或更多个卷积层的第二组一个或更多个卷积层，所述第四路径包括所述一个或更多个卷积层的所述第二组一个或更多个卷积层而没有所述一个或更...
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。