System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及计算机断层扫描图像生成,具体涉及一种基于深度学习的计算机断层扫描图像生成方法及系统。
技术介绍
1、锥束计算机断层扫描(cbct)图像广泛用于图像引导放射治疗(igrt),但由于图像质量低,其临床应用有限,因此来自锥束计算机断层扫描(cbct)扫描的计算机断层扫描(ct)图像合成在医学成像研究中引起了极大的关注。
2、图像生成任务是计算机视觉领域中的一个重要任务,它涉及使用计算机视觉算法生成新的图像,这些图像可能是现实世界中不存在的,或者是对现有图像的修改和改变。这种技术同样可用于医学影像的生成任务中,如不同模态的磁共振成像生成,磁共振成像到计算机断层扫描图像的生成和锥束计算机断层扫描图像到计算机断层扫描图像生成任务。
3、目前许多基于深度学习的图像生成方法在自然图像上已经取得了很好的效果,但是此类方法需要大量有标注的数据集,以用于训练深度学习模型。
4、虽然有许多针对自然图像生成的深度学习方法,但自然图像与医学图像(ct图像)的特点不同,这些方法直接用于ct图像的生成会有较大的域适应问题存在。
5、首先,自然图像和医学图像的一些成像机理是不同的;此外,自然图像和医学图像的图像内容也不同,一般自然图像的内容复杂多样,而ct图像一般包含较大面积的黑色背景区域。同时,自然图像很难采集到成对数据集,而医学图像采集不同模态成对数据集更方便,故针对成对数据集的不成对现象,是医学图像领域更需要解决的一个难点。这些不同点决定了训练好的自然图像生成深度模型无法直接迁移应用到医学图像中。<
...【技术保护点】
1.一种基于深度学习的计算机断层扫描图像生成方法,其特征在于,包括步骤:
2.根据权利要求1所述的基于深度学习的计算机断层扫描图像生成方法,其特征在于,所述基于掩码训练所述图像对,并获得预处理后的训练CBCT图像以及训练CT图像的步骤中,包括步骤:
3.根据权利要求2所述的基于深度学习的计算机断层扫描图像生成方法,其特征在于,所述基于掩码训练所述图像对,并获得预处理后的训练CBCT图像以及训练CT图像的步骤中,还包括步骤:
4.根据权利要求1所述的基于深度学习的计算机断层扫描图像生成方法,其特征在于,所述利用深层特征提取模块对所述浅层特征进行提取,并获得深层特征的步骤中,包括步骤:
5.根据权利要求4所述的基于深度学习的计算机断层扫描图像生成方法,其特征在于,所述利用图像生成模块融合所述浅层特征与所述深层特征,并输入至具有残差模块的卷积层,获得融合CT图像步骤之中,
6.根据权利要求1所述的基于深度学习的计算机断层扫描图像生成方法,其特征在于,在所述模型更新步骤之前,还包括步骤:
7.根据权利要求6所述的基于
8.根据权利要求7所述的基于深度学习的计算机断层扫描图像生成方法,其特征在于,所述模型更新步骤中,在所述将所述训练CBCT图像输入至所述学生模型,并获得生成CBCT图像步骤之前,还包括步骤:
9.根据权利要求8所述的基于深度学习的计算机断层扫描图像生成方法,其特征在于,所述预处理医学图像步骤中,
10.一种基于深度学习的计算机断层扫描图像生成系统,其特征在于,包括:
...【技术特征摘要】
1.一种基于深度学习的计算机断层扫描图像生成方法,其特征在于,包括步骤:
2.根据权利要求1所述的基于深度学习的计算机断层扫描图像生成方法,其特征在于,所述基于掩码训练所述图像对,并获得预处理后的训练cbct图像以及训练ct图像的步骤中,包括步骤:
3.根据权利要求2所述的基于深度学习的计算机断层扫描图像生成方法,其特征在于,所述基于掩码训练所述图像对,并获得预处理后的训练cbct图像以及训练ct图像的步骤中,还包括步骤:
4.根据权利要求1所述的基于深度学习的计算机断层扫描图像生成方法,其特征在于,所述利用深层特征提取模块对所述浅层特征进行提取,并获得深层特征的步骤中,包括步骤:
5.根据权利要求4所述的基于深度学习的计算机断层扫描图像生成方法,其特征在于,所述利用图像生成模块...
【专利技术属性】
技术研发人员:王润奇,宋涛,项磊,宫恩浩,
申请(专利权)人:长沙微妙医疗科技有限公司,
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。