【技术实现步骤摘要】
基于多模MRI同步生成的伪CT合成方法
[0001]本公开涉及医学图像处理领域,尤其涉及一种基于多模MRI同步生成的伪CT合成方法。
技术介绍
[0002]以MRL为载体的在线自适应放疗(MRI guided online adaptive radiotherapy,MRIgOART),可大幅度提高肿瘤患者的临床获益,令胰腺癌患者两年生存率提高19%,乳腺癌患者复发率降低20%,被誉为放疗史上又一里程碑式的技术进步。
[0003]MRIgOART以分次治疗前或治疗过程中采集的MR影像为基本输入源,在此基础上开展感兴趣区域勾画、计划设计以及验证、执行等工作流。其中,计划设计过程通过模拟不同治疗条件下患者接受的剂量沉积,并指定计划优化目标,反向求解治疗应设定的条件,直接决定了患者治疗方案的优劣。与传统的基于CT图像进行计划设计不同,MRIgOART在只提供MR影像的前提下,仅能反映组织的质子密度和磁弛豫特性(即偶极矩的惯性),并不能体现组织的电子密度,无法直接用于放疗计划制定时的剂量计算。如何在仅有MR影像的情形下,获取对应组织的电子密度信息(即synthetic CT,sCT或伪CT),是剂量计算得以顺利开展的前提。当前商用方法采用基于组织划分并赋值的策略,精度较低。现有研究方法则多以简化的一对一(一模态MRI直接至sCT)或者多对一(多模态MRI至sCT)的方式进行。如CN 202110117854.8公开了一种基于深度学习从多序列MR中生成伪CT的影像生成系统,利用多模态MRI中不同模态之间的互补特征来提升 ...
【技术保护点】
【技术特征摘要】
1.一种基于多模MRI同步生成的伪CT合成方法,其特征在于,所述方法包括下述步骤:获取单个模态MRI,输入预设的生成器;其中:该生成器由一个共享编码器和J个相同结构的解码器构成,共享编码器基于单个模态MRI的输出特征为J个解码器的共享输入特征;首先利用前J
‑
1个解码器基于共享输入特征生成同期多个模态的MRI,再将共享编码器和前J
‑
1个解码器对应的中间层特征进行融合,以获得多尺度融合特征;利用第J个解码器基于多尺度融合特征和共享输入特征,生成伪CT图像,J为自然数。2.根据权利要求1所述的方法,其特征在于,共享编码器包括M个卷积层和N个下采样层;解码器包括N个上采样层和M个卷积层,M,N为设定值,属于自然数。3.根据权利要求2所述的方法,其特征在于,将共享编码器和前J
‑
1个解码器对应的中间层特征进行融合,以获得多尺度融合特征,包括:基于共享编码器获取N个下采样特征,按顺序记作下采样特征Down
i
,i=N,N
‑
1,
…
,2;利用第j个解码器获取N个上采样特征,按顺序记作上采样特征Up
jk
,j=1,2,
…
,J
‑
1,k=2,3,
…
,N;从k=2起,将下采样特征Down
k
、上采样特征Up
jk
融合,获得融合特征j=1,2,
…
,J
‑
1,k=2,3,
……
,N。4.根据权利要求2所述的方法,其特征在于,第J个解码器基于多尺度融合特征和共享输入特征,生成伪CT图像,包括:获取第J个解码器的上采样特征Up
Jk
,与融合特征融合,获得第J个解码器的第k个上采样特征,k=2,3,
…
,N;对第J个解码器的第N个上采样特征,经过M个卷积层处理,输出伪CT图像。5.根据权利要求1所述的方法,其特征在于,预设生成器,通过训练获得,训练步骤包括:为生成器构建对应的鉴别器,将生成器和鉴别器构成训练模型;获取患者的不同模态数据集,包括多个相同部位的CT图像和同期获得的多个模态MRI,并对数据进行预处理;预对齐CT图像和多个模...
【专利技术属性】
技术研发人员:宋婷,周炫汝,周凌宏,蔡家俊,肖帆,蔡雯雯,亓孟科,刘嘉雯,
申请(专利权)人:南方医科大学,
类型:发明
国别省市:
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。