一种用于改善颅内出血诊断的成对医学图像增强方法技术

一种用于改善颅内出血诊断的成对医学图像增强方法，用于解决改善颅内出血诊断任务的问题，要点包括：构建训练数据集，利用嵌套UNet++架构和全局注意力机制来实现生成器，并采用patchGAN训练判别器进行判别；通过感知图像的全局相似度、内容损失项来评估图像的质量，并对所述函数进行优化；输入制作完成的训练数据集到条件生成对抗网络模型，并训练网络得到已训练的条件生成对抗网络模型；输入测试数据集到网络中，得到增强后的医学图像；使用峰值信噪比和结构相似性对增强后的图像进行质量评估；将原始图像和增强后的图像分别输网络模型进行分割，效果是可实现医学图像的增强任务且适用于颅内出血检测任务和分割的预处理任务。

【技术实现步骤摘要】

本专利技术涉及计算机视觉和图像处理，具体说是一种用于改善颅内出血诊断的成对医学图像增强方法。

技术介绍

1、ct扫描通常用于创伤性脑损伤(tbi)患者的急诊评估，通过捕捉大脑的多层结构来诊断颅内出血。高级放射科医生会对ct图像进行检查，以确定是否发生了出血，如果发生了出血，则会检测出血的类型和区域。然而，这一过程可能会很漫长，受过亚专业训练的神经放射科医生有时可能只能进行评估。为了帮助医生进行诊断，临床上需要对患者的脑部图像通过计算机系统进行颅内出血区域的分割，以便及早制定治疗计划，提高患者的存活率。

2、ct图像可清晰显示骨骼信息，但无法提供软组织信息。由于医学成像会产生辐射，辐射水平越高、辐射时间越长，获取的图像就越精确。为了缩短采集时间，确保患者接受较少的辐射剂量，大多数医学影像的分辨率都受到限制，从而产生了低分辨率医学影像。分辨率低的医学影像无法清晰描述病变的整体细节。如果能全面、清晰地描述病变信息，将更有利于后续的医疗过程。

技术实现思路

1、为了解决临床需求与影像分辨率技术局限性之间的本文档来自技高网...

【技术保护点】

1.一种用于改善颅内出血诊断的成对医学图像增强方法，其特征在于：包括以下步骤：

2.根据权利要求1所述一种用于改善颅内出血诊断的成对医学图像增强方法，其特征在于：还包括步骤8，使用Dice系数Dice coefficient和均交并比Mean Intersection overUnion(MIoU)两个指标对分割结果结果进行评估。

3.根据权利要求1所述一种用于改善颅内出血诊断的成对医学图像增强方法，其特征在于：所述步骤3中超参数包括批大小、初始学习率、迭代次数和学习率衰减策略；

4.根据权利要求3所述的一种用于改善颅内出血诊断的成对医学图像增强方法，...

【技术特征摘要】

1.一种用于改善颅内出血诊断的成对医学图像增强方法，其特征在于：包括以下步骤：

2.根据权利要求1所述一种用于改善颅内出血诊断的成对医学图像增强方法，其特征在于：还包括步骤8，使用dice系数dice coefficient和均交并比mean intersection overunion(miou)两个指标对分割结果结果进行评估。

3.根据权利要求1所述一种用于改善颅内出血诊断的成对医学图像增强方法，其特征在于：所述步骤3中超参数包括批大小、初始学习率、迭代次数和学习率衰减策略；

4.根据权利要求3所述的一种用于改善颅内出血诊断的成对医学图像增强方法，其特征在于：损失还包括局部纹理和风格损失，由所述的马尔可夫patchgan结构获得。

5.根据权利要求3所述的一种用于改善颅内出血诊断的成对医学图像增强方法，其特征在于：所述步骤4包括：将数据集按照8：2比例划分为训练集和测试集，将训练集x输入到生成器g的编码器encoder中，输出得到生成的图像，然后将所述生成的图像与所述参考图像一起输入到判别器d中，所述生成的图像与所述参考图像经过各卷积层后，使用卷积将输入映射为n*n矩阵，使用设置成为n*n的格式的patchgan操作，再使用所述目标损失函数g*对所述对抗网络模型进行训练，得到已训练的条件生成对抗网络模型。

6.根据权利要求5所述的一种用于改善颅内出血诊断的成对医学图像增强方法，其特征在于：其中，训练所述对抗网络模型，采用adam优化器进行训练，初始学习率设为3×10-4，网络共计200个epoch。

7.根据权利要求3所述的一种用于改善颅内出血诊断的成对医学图像增强方法，其特征在于：所述步骤2中利用嵌套unet++架构和全局注意力机制(gam)实现生成器，其中，unet++架构包括u-net型...

【专利技术属性】
技术研发人员：宋欢新，袁学刚，
申请(专利权)人：大连民族大学，
类型：发明
国别省市：