心脏三维核磁共振图像生成方法技术

本发明专利技术公开一种心脏三维核磁共振图像生成方法

【技术实现步骤摘要】
心脏三维核磁共振图像生成方法、系统、设备及储存介质


[0001]本专利技术属于医学图像生成
，具体涉及一种心脏三维核磁共振图像生成方法
、
系统
、
设备及储存介质
。

技术介绍

[0002]医学成像是各种医学领域中广泛使用的技术，用于直观地表示人体的解剖和病理结构及其功能，其原理涉及特定介质与人体的相互作用，以图像的形式呈现内部器官
、
组织结构和密度，供放射科医生进行疾病诊断，目前常用的医学成像技术包括计算机断层成像
、
核磁共振成像及正电子发射断层扫描成像等，核磁共振图像
(Magnetic Resonance Image
，
MRI)
因其无创性和通用性，常被用来检测心血管疾病，被认为是对心脏整体和局部功能进行定量分析的金标准，
CAD
技术有助于心脏疾病的早期预防和诊断，然而也存在一些弊端，如
CAD
模型的构建往往需要大量的数据进行训练才能增强其分辨陌生数据的能力，较少的数据会导致模型过拟合或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种心脏三维核磁共振图像生成方法，其特征在于，包括：步骤1，对心脏输入图像进行裁剪
ROI、
重采样和标准化的预处理；步骤2，对基于二维的扩散模型网络结构进行修改，将原有的二维卷积
、
池化操作替换为支持三维数据的操作以满足生成三维
MRI
数据的要求；步骤3，通过使用病理类别标签和额外的病理分类器进行指导，使生成的三维心脏
MRI
数据具备指定的病理特征
。2.
根据权利要求1所述的心脏三维核磁共振图像生成方法，其特征在于，步骤1中：根据输入图像生成非零模板，按照包围盒大小及位置进行裁剪得到指定大小的图像；对三维图像进行重采样，其中
x
和
y
平面采用三阶样条插值，
z
轴采用最近邻插值法；采用
z
‑
score
方法进行标准化，将数据归一化到
[
‑1，
1]
之间以满足扩散模型网络的输入要求
。3.
根据权利要求1所述的心脏三维核磁共振图像生成方法，其特征在于，步骤2中包括对二维的扩散模型的前向扩散和逆向扩散，其中：前向扩散通过不断的向原始数据中添加高斯噪声，直到原来的数据完全被破坏变成随机噪声；逆向扩散通过训练一个以噪声图像和当前的扩散为条件输入的神经网络，学习用于破坏图像的噪声的分布情况，预测前一步所添加的随机噪声，然后去除该噪声，逐步还原数据的真实分布
。4.
根据权利要求3所述的心脏三维核磁共振图像生成方法，其特征在于，前向扩散包括：设
x0是没有被添加过噪声的原始数据，给定一个分布
x0～
q(x0)
，通过逐步对
x0添加高斯噪声的方式产生从
x1到
x
T
的数据，描述为公式
(1)
：其中，
T、
β1，
β2，
...
，
β
T
∈[0,1]
分别表示扩散步骤的总数和每个扩散步骤中产生噪声所用的方差，
I
是单位矩阵，表示
x
服从均值为
μ
和协方差为
σ
的正态分布，当扩散步骤逐步增大，所添加的噪声采用更大的方差，满足
β1＜
β2＜
…
＜
β
T
，当
T
的取值足够大，得到的样本
x
T
完全丢失原始的数据分布特征，变成一个完全随机的高斯噪声，给定：其中
β
t
为第
t
步添加噪声的方差，表示从
α0到
α
T
的累乘；通过重参数技巧，用公式：来获取对原始数据
x0添加任意步骤
t
的噪声之后的数据
x
t
，其中，
∈
为
t
步骤时真实添加的噪声
。5.
根据权利要求3或4所述的心脏三维核磁共振图像生成方法，其特征在于，逆向扩散包括：设逆向扩散过程是由一系列神经网络参数化的高斯分布组成的马尔科夫链：
其中，
p(x
T
)
＝
N(x
T
；0，
I)
，
p
θ
(x
t
‑1|x
t
)
是参数化的高斯分布，预测噪声的均值和方差由神经网络预测的
μ
θ
(x
t
，
t)
和
∑
θ
(x
t
，
t)
给出，
θ
表示神经网络的参数，采样数据的过程通过：
x
t
‑1＝
μ
...

【专利技术属性】
技术研发人员：田沄，肖金肖，赵世凤，李岩松，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：