MRI合成CT影像的方法、装置、设备及可读存储介质制造方法及图纸

本申请涉及一种MRI合成CT影像的方法、装置、设备及可读存储介质，涉及医学影像合成技术领域，包括构建包括MRI图像数据和CT图像数据的训练数据集；构建包括空域信息保持生成器和谱归一化判别器的改进的循环生成对抗网络模型及其对应的目标函数，目标函数包括对抗损失项、频域一致性损失项和身份映射损失项；基于训练数据集对改进的循环生成对抗网络模型进行训练得到图像合成模型；基于图像合成模型将待转换MRI图像转化为合成CT图像。本申请通过频域一致性损失来有效提升图像细节和图像整体合成质量，通过空域信息保持生成器从空间域层面保持真实图像与合成图像间的一致性，通过谱归一化判别器来提升网络训练过程的稳定性和可靠性。性和可靠性。性和可靠性。

【技术实现步骤摘要】
MRI合成CT影像的方法、装置、设备及可读存储介质


[0001]本申请涉及医学影像合成
，特别涉及一种MRI合成CT影像的方法、装置、设备及可读存储介质。

技术介绍

[0002]图像引导放射治疗是当前癌症治疗的主要手段。其中，计算机断层扫描(CT)和核磁共振成像(MRI)是放射治疗方案制定中被广泛使用的两种医学影像。虽然CT影像提供了可以直接用于剂量计算的亨斯菲尔德单位(HounsfieldUnit，Hu)的CT值，但缺乏清晰的软组织对比度；而MRI比CT软组织对比度高，并且无电离辐射，因此在临床实践中，往往通过图像配准技术将CT与MRI结合使用，以帮助放疗计划制定中靶区勾勒得更加精确。然而，由于拍摄两项扫描不仅会对病人造成一定经济负担和辐射伤害，且CT与MRI的配准误差也会影响后续治疗的精度，所以如果可以使用MRI影像合成CT影像，那么仅基于MRI的放疗计划制定将成为可能。
[0003]相关技术中，传统的MRI合成CT方法主要依赖于对图像组织器官的手动分割与图像配准技术，其不仅工作量大，且合成图像精度不佳。而随着深度学习的快速发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种MRI合成CT影像的方法，其特征在于，包括以下步骤：获取MRI图像数据和CT图像数据，以构建训练数据集；构建包括空域信息保持生成器和谱归一化判别器的改进的循环生成对抗网络模型及其对应的目标函数，所述目标函数包括对抗损失项、频域一致性损失项和身份映射损失项；基于所述训练数据集对所述改进的循环生成对抗网络模型进行训练，得到图像合成模型；基于所述图像合成模型将待转换MRI图像转化为合成CT图像。2.如权利要求1所述的MRI合成CT影像的方法，其特征在于，所述目标函数为：L(G,F,D
MR
,D
CT
)＝L
GAM
(G,D
CT
,X,Y)+L
GAN
(F,D
MR
,Y,X)+λ1L
fc
(G,F,X,Y)+λ2L
identity
(G,F)式中，L(G,F,D
MR
,D
CT
)表示目标函数，G表示第一空域信息保持生成器，F表示第二空域信息保持生成器，D
MR
表示第一谱归一化判别器，D
CT
表示第二谱归一化判别器，L
GAN
(G,D
CT
,X,Y)表示G与D
CT
之间的对抗损失，X和Y分别表示MRI图像数据集和CT图像数据集，L
GAN
(F,D
MR
,Y,X)表示F与D
MR
之间的对抗损失，L
fc
(G,F,X,Y)表示G和F之间的频域一致性损失，L
identity
(G,F)表示G和F之间的身份映射损失，λ1和λ2表示控制损失项权重的超参数。3.如权利要求2所述的MRI合成CT影像的方法，其特征在于，所述对抗损失项中的L
GAN
(G,D
CT
,X,Y)的计算公式为：所述对抗损失项中的L
GAN
(F,D
MR
,Y,X)的计算公式为：式中，G(x)表示G合成的伪CT图像，D
CT
(y)表示D
CT
对真实CT图像的判别结果，D
CT
(G(x))表示D
CT
对伪CT图像的判别结果，F(y)表示F合成的伪MRI图像，D
MR

【专利技术属性】
技术研发人员：宋爽，张俊，罗勇，
申请(专利权)人：武汉大学，
类型：发明
国别省市：