【技术实现步骤摘要】
本专利技术涉及医学图像计算机处理，具体涉及一种不依赖像素级对齐数据实现可靠医学图像跨模态转换的方法。
技术介绍
1、医学图像跨模态转换是指将一种医学图像转换为另一种医学图像的技术，这种转换可以基于计算机视觉和深度学习技术实现。跨模态转换在医学领域的应用广泛，旨在提高诊断的准确性和效率。此外，跨模态医学影像合成技术也在不断发展，旨在通过合成影像提高任务模型的性能。例如，在阿尔茨海默病的影像诊断中，同时使用mri和pet被认为是达到更好性能的有效手段，但许多样本没有采集pet影像。通过跨模态影像合成技术，可以补全缺失数据，利用所有样本训练多模态诊断模型，这种技术的应用场景包括影像转换、数据扩充、数据统一、隐私保护等。
2、在现阶段主流的医学图像跨模态转换方法中存在着矛盾, 即具有出色表现的监督方法依赖像素级对齐的训练数据对模型优化进行约束，但像素级对齐的多模态医学图像在医学场景中难以获取，无监督方法可以在没有配对数据的情况下进行训练，但其可靠性无法保证。
技术实现思路<
本文档来自技高网...
【技术保护点】
1.一种医学图像跨模态转换的方法，其特征在于包括以下步骤：
2.根据权利要求1所述的医学图像跨模态转换的方法，其特征在于：所述多模态配准模块MReg采用由粗到细的级联配准方法；
3.根据权利要求2所述的医学图像跨模态转换的方法，其特征在于：所述互信息损失描述为：。
4.根据权利要求2所述的医学图像跨模态转换的方法，其特征在于：所述MReg模块将得到一个完整的形变向量场，通过将应用到上得到新的图像对，可以修复中存在的可配准非对齐误差；将中存在可配准非对齐误差的区域中，与之间存在可配准非对齐误差的区域记为，与之间存在不可配准非对齐误差的...
【技术特征摘要】
1.一种医学图像跨模态转换的方法，其特征在于包括以下步骤：
2.根据权利要求1所述的医学图像跨模态转换的方法，其特征在于：所述多模态配准模块mreg采用由粗到细的级联配准方法；
3.根据权利要求2所述的医学图像跨模态转换的方法，其特征在于：所述互信息损失描述为：。
4.根据权利要求2所述的医学图像跨模态转换的方法，其特征在于：所述mreg模块将得到一个完整的形变向量场，通过将应用到上得到新的图像对，可以修复中存在的可配准非对齐误差；将中存在可配准非对齐误差的区域中，与之间存在可配准非对齐误差的区域记为，与之间存在不可配准非对齐误差的区域记为，则有；因此引入m...
【专利技术属性】
技术研发人员：李光，周朗睿，徐方，施晶晶，董歌，
申请(专利权)人：东南大学，
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。