[发明专利]用于生成合成医学图像的神经网络

权利要求书

1.一种计算机实现的方法，所述方法用于基于由成像装置使用第一成像模态获取的解剖部分的三维原始图像来生成所述解剖部分的合成图像，所述方法包括：

接收由所述成像装置使用所述第一成像模态获取的所述解剖部分的所述三维原始图像；

从所述三维原始图像获得二维图像的多个堆叠；

接收被训练以用于基于所述三维原始图像来预测所述合成图像的卷积神经网络模型；以及

由至少一个处理器通过使用所述卷积神经网络模型将所述三维原始图像转换为所述合成图像以生成所述合成图像，其中，生成所述合成图像包括：

使用所述卷积神经网络模型将二维图像的多个堆叠转换为合成二维图像的多个堆叠；以及

通过聚合所述合成二维图像的多个堆叠来确定所述合成图像；

其中，所述合成图像类似于对所述解剖部分的第二成像模态描绘，以使得所述合成图像与来自所述第二成像模态的所述解剖部分的对应图像之间的差异小于预定阈值，以及其中，所述第二成像模态不同于所述第一成像模态。

2.根据权利要求1所述的方法，其中，所述第一成像模态是磁共振成像，并且所述第二成像模态是计算机断层扫描。

3.根据权利要求1所述的方法，其中，所述第一成像模态和所述第二成像模态选自下述组中：磁共振成像、计算机断层扫描、超声成像、正电子发射断层扫描以及单光子发射计算机断层扫描。

4.根据权利要求1所述的方法，还包括：

接收使用所述第一成像模态获取的多个训练原始图像；

接收使用所述第二成像模态获取的多个训练目标图像，每个训练目标图像与训练原始图像对应；

确定卷积神经网络架构；以及

使用所述训练原始图像和对应的训练目标图像来训练所述卷积神经网络模型。

5.根据权利要求1所述的方法，其中，所述合成图像包括二维图像的堆叠。

6.根据权利要求1所述的方法，其中，所述三维原始图像以三维体积提供，并且所述合成图像以三维体积提供。

7.根据权利要求1所述的方法，其中，获得所述二维图像的多个堆叠包括从所述三维原始图像选择相邻二维图像的多个堆叠；以及

其中，转换所述二维图像的多个堆叠包括使用所述卷积神经网络模型将相邻二维图像的每个堆叠转换为合成二维图像的堆叠。

8.根据权利要求1所述的方法，其中，获得所述二维图像的多个堆叠包括根据所述三维原始图像的第一平面创建二维图像的第一堆叠，并且根据所述三维原始图像的第二平面创建二维图像的第二堆叠；以及

其中，转换所述二维图像的多个堆叠包括使用所述卷积神经网络模型将所述二维图像的第一堆叠和所述二维图像的第二堆叠转换为合成二维图像的第一堆叠和合成二维图像的第二堆叠。

9.根据权利要求1所述的方法，其中，所述三维原始图像包括使用所述成像装置的不同获取通道或者不同获取设置获取的所述解剖部分的多通道图像。

10.根据权利要求4所述的方法，其中，训练所述卷积神经网络模型还包括：

使用所述卷积神经网络模型将所述训练原始图像转换为合成图像；

确定所述合成图像与所述对应的训练目标图像之间的差异；以及

基于所述差异来更新所述卷积神经网络模型的模型参数集。

11.根据权利要求10所述的方法，其中，在所述合成图像与所述目标图像之间的差异小于所述预定阈值的情况下，完成所述训练。

12.根据权利要求10所述的方法，其中，通过基于所述合成图像和所述目标图像计算的损失函数来度量所述差异。