医学图像生成方法和装置、电子设备及存储介质制造方法及图纸

技术编号:44554220 阅读:29 留言:0更新日期:2025-03-11 14:16
本申请实施例提供了一种医学图像生成方法和装置、电子设备及存储介质,属于人工智能技术领域。该方法包括:通过预设的模态解耦网络随机生成高斯噪声,并将高斯噪声转换为目标模态特征向量;将源模态医学图像和目标模态特征向量输入至预设的交叉条件网络,对源模态医学图像进行多尺度特征提取,得到多个尺度的源模态特征向量,再分别对每个尺度的源模态特征向量与目标模态特征向量进行特征融合,得到多个融合模态特征向量,最后对多个融合模态特征向量进行图像生成,得到目标模态医学图像,并且目标模态医学图像的模态与源模态医学图像的模态不同。本申请实施例能够降低不同模态医学图像的获取难度。

【技术实现步骤摘要】

本申请涉及人工智能,尤其涉及一种医学图像生成方法和装置、电子设备及存储介质


技术介绍

1、相关技术中,利用磁共振成像(nuc l ear magnet i c resonance imagi ng,mri)技术如t1加权成像、t2加权成像、对比后t1加权成像以及t2液体衰减反转恢复成像等获取各种模态下的医学图像。但是,一些模态如对比后t1加权成像、t2液体衰减反转恢复成像的医学图像的获取难度较大。如何降低不同模态医学图像的获取难度,成为了亟待解决的问题。


技术实现思路

1、本申请实施例的主要目的在于提出一种医学图像生成方法和装置、电子设备及存储介质,旨在降低不同模态医学图像的获取难度。

2、为实现上述目的,本申请实施例的第一方面提出了一种医学图像生成方法,所述方法包括:

3、获取源模态医学图像;

4、通过预设的模态解耦网络,随机生成高斯噪声,并将所述高斯噪声转换为目标模态特征向量;

5、将所述源模态医学图像和所述目标模态特征向量输入至预设的交叉条件网络,所述交本文档来自技高网...

【技术保护点】

1.一种医学图像生成方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述模态解耦网络根据以下步骤训练得到:

3.根据权利要求2所述的方法,其特征在于,所述对所述样本模态特征向量进行增噪处理,得到第一模态特征向量,包括:

4.根据权利要求2所述的方法,其特征在于,所述模态表征模型根据以下步骤训练得到:

5.根据权利要求4所述的方法,其特征在于,所述根据所述第二样本医学图像和所述复原医学图像进行复原损失计算,得到图像复原损失数据,包括:

6.根据权利要求1至5任一项所述的方法,其特征在于,所述通过所述条件嵌入子网...

【技术特征摘要】

1.一种医学图像生成方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述模态解耦网络根据以下步骤训练得到:

3.根据权利要求2所述的方法,其特征在于,所述对所述样本模态特征向量进行增噪处理,得到第一模态特征向量,包括:

4.根据权利要求2所述的方法,其特征在于,所述模态表征模型根据以下步骤训练得到:

5.根据权利要求4所述的方法,其特征在于,所述根据所述第二样本医学图像和所述复原医学图像进行复原损失计算,得到图像复原损失数据,包括:

6.根据权利要求1至5任一项所述的方法,其特征在于,所述通过所述条件嵌入子网络分别对每个尺度的所...

【专利技术属性】
技术研发人员:朱磊邢兆虎
申请(专利权)人:香港科技大学广州
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1