【技术实现步骤摘要】
本专利技术涉及一般的图像数据处理或产生的，尤其涉及一种计算机深度学习的、基于不完美配对数据的ct体数据转换mri体数据的自动生成方法。
技术介绍
1、不同模态的医学成像技术，如计算机断层扫描(ct)、锥形束计算机断层扫描(cbct)、磁共振图像(mri)、正电子发射断层扫描(pet)等，在医疗或医学研究中非常重要，已被广泛应用于各种临床工作和研究。这些医学成像技术在捕捉患者器官方面有各自的成像特点，例如对于ct来说，它的成像时间短、空间分辨率较高，擅长呈现骨骼结构和肺部等结构，然而它在采集过程中会对患者施加电离编射，从而可能引起健康风险，且其软组织成像结果缺乏对比度。与ct相比，mri是更安全的，其不涉及高能辐射，且软组织成像结果对比度高，但其价格较高，且成像时间较长。
2、在许多临床工作中，例如标准的mri引导治疗、中风诊断、肝胜肿瘤诊断等需要获得多种医学模态的成像结果，因为来自不同模态的成像信息可以互相补充，从而为筛查、诊断或治疗提供更好的决策支持。为了达到这个目标，现实生活中患者必须接受多次医学成像扫描，这不仅较为昂贵(一般情况下每次扫描都必须单独付费)、耗时(在接收医学成像前需要提前数周进行预约)、费力(需要大量从事成像工作的专业医师)，而且可能会引起健康风险，并可能会导致某些疾病的治疗被延迟。因此，亟需一种可以对不同模态的医学成像结果进行自动合成/转换的技术，在以上这些场景中发挥至关重要作用，以减少上述传统医学成像中所具有的耗时、耗力、昂贵、可能引起健康风险等缺点。
3、目前，医学模态间图像到图
4、(1)获得可用于模型训练/推断的完美配对的跨模态体是非常困难的。实际上，在现实生活中，跨模态体是从不同模态的不同时间收集的，因此通常包含一定数量的不完美配对的切片；
5、(2)将不完美配对的跨模态体进行预处理以使其完美并不是简单，可能需要大量的人力和时间。
6、在现有技术中，对于医学模态间图像到图像的转换一般通过训练后的神经网络完成。训练/推断数据对模型结果有很大影响，良好的训练/推断数据通常会产生良好的结果，而贫乏的训练/推断数据通常会导致糟糕的结果。使用不完美配对的跨模态体作为训练/推断数据时，用于体到体跨模态转换的深度学习模型必须足够健壮，同时保持一定的准确性，其次，用于体到体跨模态转换的模型需要考虑“切片一致性”，但是图像到图像的跨模态转换一次只考虑单个切片，所以“切片一致性”对其并不适用。
技术实现思路
1、针对现有技术存在的问题，本专利技术提供了一种ct体数据转换mri体数据的自动生成方法，能够将任意的三维ct图像自动有效地转换为三维mri图像，包括不完美配对数据，以供医学专家进行筛查、诊断或是基于影像引导的治疗所用。
2、本专利技术采用的技术方案为，一种ct体数据转换mri体数据的自动生成方法，所述方法构建一生成对抗网络，实现体ct数据至体mri数据的映射；
3、以处理后的配对的三维ct和mri数据作为训练数据输入所述生成对抗网络进行训练，对训练数据进行裁切后，以其中的ct体数据输入生成器，将生成器的输出的模拟mri体数据与裁切后的mri体数据分别以空间鉴别器和时序鉴别器进行比较，基于空间鉴别器和时序鉴别器分别输出的预测矩阵进行网络训练；
4、以训练完成的生成对抗网络将输入的ct体数据转化为mri体数据。
5、优选地，输入所述生成对抗网络的数据为经过中心裁剪和全局归一化的原始配对的ct体数据和mri体数据。
6、优选地，以处理后的ct体数据输入训练后的生成对抗网络，测试基于生成器输出的mri体数据；对生成对抗网络的输出结果可视化。
7、本专利技术中，给定一组体其中，vict表示第i个独立的体ct；
8、构建一个生成对抗网络(gan)，可以实现映射vmri＝f(vct)，表示与vct对应的一组体mri，vumri表示与vict对应的第i个独立的体mri，函数f表示映射函数。
9、本专利技术中，以给定的规范化的配对体ct和体mri分成训练集(训练数据)和测试集(测试数据)，一般划分比例为70％和30％；
10、训练工作流程为：
11、(1)从训练集中取出一对体ct和体mri，获得一对真实的体和
12、(2)对这对和进行随机的体裁剪操作(在随机位置裁剪一对体ct和体mri)，得到一对真实裁剪后的体和
13、(3)被输入到模型的生成器中，该生成器可以生成假的裁剪后的体
14、(4)和分别被输入到模型的空间鉴别器和时间鉴别器中，生成两个预测矩阵，预测矩阵中的每个值都在[0,1]范围内；
15、推理工作流程为：
16、(1)从测试集中取出一组体ct数据，得到真实的体
17、(2)将输入到生成器中，合成假的体
18、(3)可视化以获取最终的渲染结果。
19、优选地，所述生成器包括顺次连接的改进后的第一unet和第二unet，所述第一unet和第二unet的编码器和解码器结构分别相同；所述第二unet的输入端以第一unet的输入端和输出端的相加为输入。
20、优选地，所述第一unet和第二unet的编码器包括顺次连接的4个编码变换块，每个编码变换块后设有第一三线性下采样层，最后一个编码变换块的输出连接第二三线性下采样层，得到编码结果；每个编码变换块在第一三线性下采样层前均通过残差路径和对应的变换块连接至解码器的对应位置，最后一个编码变换块的输出在第二三线性下采样层前通过编码变换块连接至解码器的对应位置；编码结果通过自注意力模块后得到特征图。
21、优选地，第一unet和第二unet的解码器中，对应的编码器的特征图输入解码器后经过第一三线性上采样层和卷积层后与最后一个编码变换块的输出对应，通过顺次设置的4个解码变换块，每个解码变换块前设有第二三线性上采样层，最后一个解码变换块后通过卷积层后输出，配合第一unet的输出端的卷积层还设有激活函数；第一unet的每个解码变换块在对应的第二三线性上采样层前均通过残差路径和对应的变换块连接至第二unet的编码器的对应位置。
22、优选地，第一unet和第二unet中，第一个解码变换块和第二个解码变换块的输入端分别通过第三三线性下采样层连接有自注意力模块，所述自注意力模块的输出通过对应的第三三线性上采样层和卷积层分别与第一个解码变换块和第二个解码变换块的输出端对应配合。
23、优选地，所述生成器的损失函数lg满足，
24、
25、其中，为对抗损失，为身份损失、为空间损失、为时序损本文档来自技高网...
【技术保护点】
1.一种CT体数据转换MRI体数据的自动生成方法，其特征在于：所述方法构建一生成对抗网络，实现体CT数据至体MRI数据的映射；
2.根据权利要求1所述的一种CT体数据转换MRI体数据的自动生成方法，其特征在于：所述生成器包括顺次连接的改进后的第一UNet和第二UNet，所述第一UNet和第二UNet的编码器和解码器结构分别相同；所述第二UNet的输入端以第一UNet的输入端和输出端的相加为输入。
3.根据权利要求2所述的一种CT体数据转换MRI体数据的自动生成方法，其特征在于：所述第一UNet和第二UNet的编码器包括顺次连接的4个编码变换块，每个编码变换块后设有第一三线性下采样层，最后一个编码变换块的输出连接第二三线性下采样层，得到编码结果；每个编码变换块在第一三线性下采样层前均通过残差路径和对应的变换块连接至解码器的对应位置，最后一个编码变换块的输出在第二三线性下采样层前通过编码变换块连接至解码器的对应位置；编码结果通过自注意力模块后得到特征图。
4.根据权利要求3所述的一种CT体数据转换MRI体数据的自动生成方法，其特征在于：第一UNet
5.根据权利要求4所述的一种CT体数据转换MRI体数据的自动生成方法，其特征在于：第一UNet和第二UNet中，第一个解码变换块和第二个解码变换块的输入端分别通过第三三线性下采样层连接有自注意力模块，所述自注意力模块的输出通过对应的第三三线性上采样层和卷积层分别与第一个解码变换块和第二个解码变换块的输出端对应配合。
6.根据权利要求1或2所述的一种CT体数据转换MRI体数据的自动生成方法，其特征在于：所述生成器的损失函数LG满足，
7.根据权利要求1所述的一种CT体数据转换MRI体数据的自动生成方法，其特征在于：所述空间鉴别器和时序鉴别器包括顺次设置的卷积层、3个收缩模块和卷积层；配合每个收缩模块的输出端设有一最大池化层；所述收缩模块包括2个连接的卷积层和1个压缩激励块。
8.根据权利要求7所述的一种CT体数据转换MRI体数据的自动生成方法，其特征在于：配合所述空间鉴别器和时序鉴别器的损失函数均包括一用于最大化生成器输出MRI体数据的虚假性的损失和一用于最大化裁切后的MRI体数据的真实性的损失。
9.根据权利要求1所述的一种CT体数据转换MRI体数据的自动生成方法，其特征在于：输入所述生成对抗网络的数据为经过中心裁剪和全局归一化的原始配对的CT体数据和MRI体数据。
10.根据权利要求1所述的一种CT体数据转换MRI体数据的自动生成方法，其特征在于：以处理后的CT体数据输入训练后的生成对抗网络，测试基于生成器输出的MRI体数据；对生成对抗网络的输出结果可视化。
...【技术特征摘要】
1.一种ct体数据转换mri体数据的自动生成方法，其特征在于：所述方法构建一生成对抗网络，实现体ct数据至体mri数据的映射；
2.根据权利要求1所述的一种ct体数据转换mri体数据的自动生成方法，其特征在于：所述生成器包括顺次连接的改进后的第一unet和第二unet，所述第一unet和第二unet的编码器和解码器结构分别相同；所述第二unet的输入端以第一unet的输入端和输出端的相加为输入。
3.根据权利要求2所述的一种ct体数据转换mri体数据的自动生成方法，其特征在于：所述第一unet和第二unet的编码器包括顺次连接的4个编码变换块，每个编码变换块后设有第一三线性下采样层，最后一个编码变换块的输出连接第二三线性下采样层，得到编码结果；每个编码变换块在第一三线性下采样层前均通过残差路径和对应的变换块连接至解码器的对应位置，最后一个编码变换块的输出在第二三线性下采样层前通过编码变换块连接至解码器的对应位置；编码结果通过自注意力模块后得到特征图。
4.根据权利要求3所述的一种ct体数据转换mri体数据的自动生成方法，其特征在于：第一unet和第二unet的解码器中，对应的编码器的特征图输入解码器后经过第一三线性上采样层和卷积层后与最后一个编码变换块的输出对应，通过顺次设置的4个解码变换块，每个解码变换块前设有第二三线性上采样层，最后一个解码变换块后通过卷积层后输出，配合第一unet的输出端的卷积层还设有激活函数；第一unet的每个解码变换块在对应的第二三线性上采样层前均通过残差路径和对应的变换块连接至第二unet...
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。