基于制造技术

本发明专利技术公开了基于

【技术实现步骤摘要】
基于CycleGAN网络的针对肝脏US
‑
CT医学图像转换方法


[0001]本专利技术涉及机器学习
，具体地涉及基于
CycleGAN
网络的针对肝脏
US
‑
CT
医学图像转换方法
。

技术介绍

[0002]超声检测
(US)
和电子计算机断层扫描检测
(CT)
是医学上常用的两种检查和观测脏器情况的手段
。
二者成像原理存在一定差异
。US
是利用超声波成像的原理，显示机体各个组织超声波的形象，发现异常，诊断疾病
。CT
则是利用放射线，通过计算机的逐层扫描
、
图像的处理，来检查各个器官的异常，诊断和鉴别诊断疾病
。
这两者在针对肝脏的临床治疗方面同样十分常用
。
[0003]从医学的角度判断，
CT
检测在图像的呈现方面具有一定的优越性
。
将超声检测得到的影响或图像称为
>US
图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
CycleGAN
网络的针对肝脏
US
图像与
CT
图像的转换方法，其特征在于，包括：步骤
S1
，肝脏
US
图像与
CT
图像处理，包括：获取多份肝脏
US
图像数据与肝脏
CT
图像数据，从中分割出包括肝脏图像本身的区域，作为肝脏
US
图像与肝脏
CT
图像；步骤
S2
，构建
CycleGAN
网络，包括构建生成器
G、
生成器
F、
判别器
Dx
与判别器
Dy
；其中，生成器
G
用于将输入的肝脏
US
图像转换为伪肝脏
CT
图像，以及用于将输入的伪肝脏
US
图像转换为环回肝脏
CT
图像；生成器
F
用于将输入的肝脏
CT
图像转换为伪肝脏
US
图像，以及用于将输入的伪肝脏
CT
图像转换为环回肝脏
US
图像；判别器
Dx
用于判断向其输入的图像是否是肝脏
US
图像；判别器
Dy
用于判断向其输入的图像是否是肝脏
CT
图像；步骤
S3
，将步骤
S1
得到的肝脏
US
图像
x
作为训练样本输入给所述生成器
G
；所述生成器
G
根据肝脏
US
图像
x
生成肝脏伪
CT
图像
y
’
；将生成的肝脏伪
CT
图像
y
’
作为训练样本输入给所述生成器
F
；所述生成器
F
根据肝脏伪
CT
图像
y
’
生成环回肝脏
US
图像
x”；步骤
S4
，计算损失
Loss1
＝
Loss1
GAN
+LOSS1
cycle
，其中根据判别器
Dy
判别肝脏伪
CT
图像
y
’
的结果计算
Loss1
GAN
，而用肝脏
US
图像
X
与环回肝脏
US
图像
x”之间的差异计算
LOSS1
cycle
；用损失
Loss1
更新所述生成器
G
的网络参数，并且保持所述生成器
F
和判别器
Dy
的网络参数不变；步骤
S5
，将步骤
S3
得到的肝脏伪
CT
图像
y
’
作为训练样本提供给判别器
Dy
，以及将步骤1得到的肝脏
CT
图像
y
作为训练样本提供给判别器
Dy
；其中肝脏伪
CT
图像
y
’
与肝脏
CT
图像
Y
无需代表相同肝脏的图像；计算损失
Loss2
＝
Loss2
GAN
，其中根据判别器
Dy
判别肝脏伪
CT
图像
y
’
与肝脏
CT
图像
y
的结果计算
Loss2
GAN
；用损失
Loss2
更新所述判别器
Dy
的网络参数，并且保持所述生成器
G、
生成器
F
和判别器
Dx
的网络参数不变；步骤
S6
，将步骤
S1
得到的肝脏
CT
图像
y
作为训练样本输入给所述生成器
F
；所述生成器
G
根据肝脏
CT
图像
y
生成肝脏伪
US
图像
x
’
；将生成的肝脏伪
US
图像
x
’
作为训练样本输入给所述生成器
G
；所述生成器
G
根据肝脏伪
US
图像
x
’
生成环回肝脏
CT
图像
y”；步骤
S7
，计算损失
Loss3
＝
Loss3
GAN
+LOSS3
cycle
，其中根据判别器
Dx
判别肝脏伪
US
图像
x
’
的结果计算
Loss3
GAN
，而用肝脏
CT
图像
y
与环回肝脏
CT
图像
y”之间的差异计算
LOSS3
cycle
；用损失
Loss3
更新所述生成器
F
的网络参数，并且保持所述生成器
G
和判别器
Dx
的网络参数不变；步骤
S8
，将步骤
S6
得到的肝脏伪
US
图像
x
’
作为训练样本提供给判别器
Dx
，以及将步骤1得到的肝脏
US
图像
x
作为训练样本提供给判别器
Dx
；其中肝脏伪
US
图像
x
’
与肝脏
US
图像
x
无需代表相同肝脏的图像；计算损失
Loss4
＝
Loss4
GAN
，其中根据判别器
Dx
判别肝脏伪
US
图像
x
’
与肝脏
US
图像
x
的结果计算
Loss4
GAN
；用损失
Loss4
更新所述判别器
Dx
的网络参数，并且保持所述生成器
G、
生成器
F
和判别器
Dy
的网络参数不变；步骤
S9
，将待转换的肝脏
US
图像提供给经训练的所述生成器
G
，所述生成器
G
输出与所述待转换的肝脏
US
图像对应的肝脏
CT
图像；和
/
或将待转换的肝脏
CT...

【专利技术属性】
技术研发人员：王磊，张建，王自锄，范培华，姚宇航，陈奎，
申请(专利权)人：无锡艾米特智能医疗科技有限公司，
类型：发明
国别省市：