[发明专利]用深度图像到图像网络和对抗网络的跨域图像分析和合成

权利要求书

1.一种用于在患者的医学图像上自动执行基于跨域的医学图像分析的方法，包括：

接收患者的来自第一域的医学图像；

将所述患者的所述医学图像输入到跨域深度图像到图像网络的第一编码器，所述跨域深度图像到图像网络包括用于所述第一域的所述第一编码器、用于第二域的第二编码器和解码器；以及

由将来自所述第一域的所输入医学图像转换为特征图的所述第一编码器和从所述第一编码器生成的特征图生成输出图像的解码器，使用所述跨域深度图像到图像网络自动生成所述输出图像，所述输出图像提供所输入医学图像上的目标医学图像分析任务的结果，其中至少部分地基于由所述第一编码器从来自所述第一域的训练输入图像生成的特征图和由所述第二编码器从来自所述第二域的训练输入图像生成的特征图的相似性，来一起训练用于所述第一域的所述第一编码器与用于所述第二域的所述第二编码器，并且训练所述解码器以从所述第一编码器生成的特征图和所述第二编码器生成的特征图来生成输出图像。

2.根据权利要求1所述的方法，其中所述跨域深度图像到图像网络的用于所述第一域的所述第一编码器、用于所述第二域的所述第二编码器以及所述解码器在对抗网络中与鉴别器网络一起被训练，所述鉴别器网络用于在所述第一编码器从来自所述第一域的训练输入图像生成的特征图和所述第二编码器从来自所述第二域的训练输入图像生成的特征图之间进行区分。

3.根据权利要求2所述的方法，其中训练所述第一编码器和所述第二编码器，使得由所述第一编码器从来自所述第一域的训练输入图像生成的特征图具有与由所述第二编码器从来自所述第二域的训练输入图像生成的特征图相似的分布，使得由所述第一编码器和所述第二编码器生成的特征图变得对于所述鉴别器网络不可区分。

4.根据权利要求2所述的方法，其中用于所述第一域的所述第一编码器、用于所述第二域的所述第二编码器、所述解码器和所述鉴别器网络被一起训练以迭代地学习针对所述第一编码器、所述第二编码器、所述解码器和所述鉴别器网络的参数来优化最小最大目标函数，所述最小最大目标函数包括与来自所述第一域的地面真值输出图像与使用所述第一编码器和所述解码器从来自所述第一域的训练输入图像预测的输出图像之间的误差相关的第一项、与来自所述第二域的地面真值输出图像与使用所述第二编码器和所述解码器从来自所述第二域的训练输入图像预测的输出图像之间的误差相关的第二项、与所述鉴别器网络对所述第一编码器从来自所述第一域的训练输入图像生成的特征图的分类相关的第三项、以及与所述鉴别器网络对所述第二编码器从来自所述第二域的训练输入图像生成的特征图的分类相关的第四项。

5.根据权利要求2所述的方法，还包括：

在接收所述患者的所述医学图像之前的训练阶段中，基于来自所述第一域的包括多个训练输入图像的第一组训练样本和对应的地面真值输出图像以及来自所述第二域的包括多个训练输入图像的第二组训练样本和对应的地面真值输出图像，来训练所述第一编码器、所述第二编码器、所述解码器和所述鉴别器网络。