【技术实现步骤摘要】
本专利技术涉及医学图像合成，具体为一种ct图像合成flair图像的方法、系统和设备。
技术介绍
1、近年来，医学影像处理在计算机视觉领域的进步，推动医疗智能化的蓬勃发展。急性缺血性中风是由于血管阻塞引起的脑缺血引起的脑组织病变，计算机断层扫描（computed tomography, ct）对脑出血敏感，是排除脑卒中疑似颅内出血的首选方法。此外，ct图像成像速度快，可快速对患者脑部进行检查。但ct对急性缺血性脑卒中不敏感，病变影像不明显。排除脑出血后，若患者有脑卒中症状且ct阴性，则需进一步行磁共振成像(mri)检查。而磁共振成像液体衰减反转序列（fluid attenuated inversion recovery，flair）对急性缺血性脑卒中病变，尤其是小梗死灶极为敏感，可以准确判断出缺血性病变区域部分。
2、然而，mri的解读成本高，耗时长，而且在特殊人群中使用有限，如金属植入物患者，这使得医生无法及时进行影像学诊断。随着深度学习在医学图像分析领域的发展，许多研究者开始利用深度学习方法来实现跨模态医学图像合成，此举可以在不用进行mri扫描的情况下，实现mri图像的人工智能合成，将极大降低因为延误救治时间所带来的疾病风险。
3、针对从ct到mri的跨模态图像生成问题，现有技术可通过卷积组成的生成对抗网络来生成图像，在医学图像合成任务中有着良好的表现。但目前的生成对抗网络，易受局部感受野的限制，只能对图像进行局部特征提取，从而导致模型没有处理长距离空间依赖的能力，造成合成的flair图像质量偏低。p>
技术实现思路
1、本专利技术的目的是提供一种ct图像合成flair图像的方法、系统和设备。
2、本专利技术技术方案如下：
3、一种ct图像合成flair图像的方法，包括如下操作：
4、s1、获取ct图像，所述ct图像经配准和z轴切片处理，得到ct二维切片图；
5、s2、所述ct二维切片图经残差处理、嵌入处理和多尺度空间线性投影处理，得到ct空间特征；所述ct空间特征与ct二维切片图经叠加处理，得到ct空间叠加图；所述ct空间叠加图经卷积处理，得到ct空间叠加卷积图；所述ct空间叠加卷积图分别经特征最大池化和特征全局池化处理，得到ct最大池化特征图和ct全局池化特征图；所述ct最大池化特征图和ct全局池化特征图经叠加处理后、与所述ct最大池化特征图和ct全局池化特征图进行拼接处理，得到ct池化聚合图；所述ct池化聚合图与ct空间叠加卷积图经对应位置处的像素相乘后，经归一化处理、非线性处理和上采样处理，得到ct全局特征图；所述ct二维切片图经下采样处理，得到ct下采样图；所述ct下采样图与ct全局特征图经叠加处理后，进行上采样处理，得到ct高分辨率特征图；
6、s3、所述ct高分辨率特征图分别经不同尺度的上采样处理，得到多尺度ct上采样特征图；分别获取多尺度ct上采样特征图，与标准flair图的损失熵，得到多尺度损失熵；当多尺度损失熵的均值大于损失熵阈值时，所述ct高分辨率特征图执行s2的操作；当多尺度损失熵的均值不大于损失熵阈值时，输出ct高分辨率特征图，作为合成flair图像。
7、s2中多尺度空间线性投影处理的操作具体为：所述ct二维切片图经残差处理和嵌入处理，得到ct嵌入特征；所述ct嵌入特征经不同投影尺度的空间线性投影处理，得到不同ct投影特征；所有ct投影特征经融合处理，得到所述ct空间特征；所述空间线性投影处理的操作具体为：ct嵌入特征分别与查询项线性投影矩阵、键项线性投影矩阵和值项线性投影矩阵进行逐点相乘，得到查询项空间特征、键项空间特征和值项空间特征；所述查询项空间特征和键项空间特征经逐点相乘和非线性处理，得到初始空间特征；所述初始空间特征与值项空间特征经逐点相乘处理，得到ct投影特征。
8、s2中特征最大池化的操作具体为：所述卷积处理ct空间叠加图后得到的特征图，经深度可分离卷积、非线性处理和最大池化处理，得到所述ct最大池化特征图。
9、s2中特征全局池化的操作具体为：所述卷积处理ct空间叠加图后得到的特征图，经卷积、非线性处理和全局池化处理，得到所述ct全局池化特征图。
10、s2中对应位置处的像素相乘的操作之前，还包括对ct池化聚合图进行多线性处理，得到ct多线性图；所述ct多线性图用于执行与所述ct空间叠加卷积图进行对应位置处的像素相乘的操作；所述多线性处理的操作具体为：所述ct池化聚合图依次经第一线性处理、第一非线性处理、第一参数丢失处理、第二非线性处理、第二参数丢失处理和第二线性处理，得到所述ct多线性图。
11、s3中，还包括对多尺度ct上采样特征图和标准flair图分别进行多层卷积处理，所述多层卷积处理中，上一层卷积处理的输出，作为下一层卷积的输入；获取所有层的卷积处理多尺度ct上采样特征图与标准flair图后的损失熵总和的均值，作为特征提取损失熵；所述特征提取损失熵与所述s3中的多尺度损失熵进行求和，得到更新损失熵；当所述更新损失熵的均值大于损失熵阈值时，所述ct高分辨率特征图执行s2的操作；当所述更新损失熵的均值不大于损失熵阈值时，输出ct高分辨率特征图，作为合成flair图像。
12、s2中残差处理的操作具体为：将ct二维切片图进行卷积处理、非线性处理、卷积处理和非线性处理，得到第一非线性特征图；第一非线性特征图与ct二维切片图经融合处理后，进行非线性处理，得到ct二维残差图；所述ct二维残差图用于执行所述嵌入处理的操作。
13、一种ct图像合成flair图像的系统，包括：
14、ct二维切片图生成模块，用于获取ct图像，所述ct图像经配准和z轴切片处理，得到ct二维切片图；
15、ct高分辨率特征图生成模块，用于所述ct二维切片图经残差处理、嵌入处理和多尺度空间线性投影处理，得到ct空间特征；所述ct空间特征与ct二维切片图经叠加处理，得到ct空间叠加图所述ct空间叠加图经卷积处理，得到ct空间叠加卷积图；所述ct空间叠加卷积图分别经特征最大池化和特征全局池化处理，得到ct最大池化特征图和ct全局池化特征图所述ct最大池化特征图和ct全局池化特征图经叠加处理后、与所述ct最大池化特征图和ct全局池化特征图进行拼接处理，得到ct池化聚合图；所述ct池化聚合图与ct空间叠加卷积图经对应位置处的像素相乘后，经归一化处理、非线性处理和上采样处理，得到ct全局特征图；所述ct二维切片图经下采样处理，得到ct下采样图；所述ct下采样图与ct全局特征图经叠加处理后，进行上采样处理，得到ct高分辨率特征图；
16、合成flair图像生成模块，用于所述ct高分辨率特征图分别经不同尺度的上采样处理，得到多尺度ct上采样特征图；分别获取多尺度ct上采样特征图，与标准flair图的损失熵，得到多尺度损失熵；当多尺度损失熵的均值大于损失熵阈值时，所述ct高分辨率特征图执行ct高分辨率特征图生成模块的操作；当多本文档来自技高网...
【技术保护点】
1.一种CT图像合成FLAIR图像的方法，其特征在于，包括如下操作：
2.根据权利要求1所述的CT图像合成FLAIR图像的方法，其特征在于，所述S2中多尺度空间线性投影处理的操作具体为：
3.根据权利要求1所述的CT图像合成FLAIR图像的方法，其特征在于，所述S2中特征最大池化的操作具体为：
4.根据权利要求1所述的CT图像合成FLAIR图像的方法，其特征在于，所述S2中特征全局池化的操作具体为：
5.根据权利要求1所述的CT图像合成FLAIR图像的方法，其特征在于，所述S2中对应位置处的像素相乘的操作之前，还包括对CT池化聚合图进行多线性处理，得到CT多线性图；所述CT多线性图用于执行与所述CT空间叠加卷积图进行对应位置处的像素相乘的操作；
6.根据权利要求1所述的CT图像合成FLAIR图像的方法，其特征在于，所述S3中，还包括对多尺度CT上采样特征图和标准FLAIR图分别进行多层卷积处理，所述多层卷积处理中，上一层卷积处理的输出，作为下一层卷积的输入；
7.根据权利要求1所述的CT图像合成FLAIR图像
8.一种CT图像合成FLAIR图像的系统，其特征在于，包括：
9.一种CT图像合成FLAIR图像的设备，其特征在于，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1-7任一项所述的CT图像合成FLAIR图像的方法。
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的CT图像合成FLAIR图像的方法。
...【技术特征摘要】
1.一种ct图像合成flair图像的方法，其特征在于，包括如下操作：
2.根据权利要求1所述的ct图像合成flair图像的方法，其特征在于，所述s2中多尺度空间线性投影处理的操作具体为：
3.根据权利要求1所述的ct图像合成flair图像的方法，其特征在于，所述s2中特征最大池化的操作具体为：
4.根据权利要求1所述的ct图像合成flair图像的方法，其特征在于，所述s2中特征全局池化的操作具体为：
5.根据权利要求1所述的ct图像合成flair图像的方法，其特征在于，所述s2中对应位置处的像素相乘的操作之前，还包括对ct池化聚合图进行多线性处理，得到ct多线性图；所述ct多线性图用于执行与所述ct空间叠加卷积图进行对应位置处的像素相乘的操作；
6.根据权利要求1所述的ct图像合成f...
【专利技术属性】
技术研发人员：郑强，陈莹钰，高振豪，姜晓林，刘彬，
申请(专利权)人：英瑞云医疗科技烟台有限公司，
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。