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方案

本申请提供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，该方法包括：获取两组以上图像对，每一组所述图像对包括CBCT图像以及CT图像；基于掩码训练图像对，并获得训练CBCT图像以及训练CT图像；利用卷积层提取训练CBCT图像的浅层特征；利用深层特征提取模块对浅层特征进行提取并获得深层特征；利用图像生成模块融合浅层特征与深层特征，并输入至具有残差模块的卷积层，获得融合CT图像；构建两个相同架构的神经网络模型，并分别定义为教师模型以及学生模型；模型更新步骤；将保存的教师模型的权重加载至神经网络模型，构建计算机断层扫描图像生成模型；采集临床CBCT图像，并输入至计算机断层扫描图像生成模型获得对应的生成CT图像。

【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本文档来自技高网...

【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...

【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：