[发明专利]一种基于T2图像生成DWI图像的方法及系统

说明书

本发明涉及一种基于T2图像生成DWI图像的方法及系统，该方法包括：获取有病灶和无病灶的T2图像及与其配对的DWI图像，将T2图像和DWI图像一一对应组成数据对，构成第一数据集；对第一数据集进行预处理，得到第二数据集；将第二数据集中的图像切割为patch得到第三数据集；利用第三数据集对改进的对抗网络模型进行训练，得到训练后的对抗网络模型，获取待处理的T2图像，记为第一图像；对第一图像进行预处理得到第二图像；将第二图像切割为patch得到第三图像；将第三图像输入训练后的对抗网络模型，得到DWI图像的patch；对DWI图像的patch进行拼接组合，得到DWI图像。本发明能够利用已有的T2影像信息生成其对应DWI影像信息，提高生成的DWI图像的质量。

技术领域

本发明涉及图像处理领域，特别是涉及一种基于T2图像生成DWI图像的方法及系统。

背景技术

磁共振成像(Magnetic resonance imaging，MRI)以其安全性和信息丰富性在各种医学成像技术中日益突出，并广泛应用于临床诊断和治疗。磁共振成像有不同的模式，每种模式都捕捉到了底层解剖学的某些特征，并提供了内在磁共振参数的独特视图。

例如，扩散加权成像(diffusion-weighted imaging,DWI)是20世纪90年代初中期发展起来的MRI新技术，国内于90年代中期引进该技术并在临床上推广应用。DWI是惟一能够检测活体组织内水分子扩散运动的无创性方法，在对组织背景信号进行抑制的基础上，在病变显示方面更为突出，DWI对于超早期脑缺血，脑梗死，脑脓肿以及脑肿瘤等的诊断提供重要信息。然而由于后勤原因，大多数现有的数据集只包含T2图像，没有DWI图像，而T2图像在很多情况下不能显示病灶，只有在能显示水分子弥散运动的DWI上才能看到病灶，因而需要使用图像生成技术利用T2图像生成DWI图像。因而，T2图像生成对应的DWI图像是一个非常值得研究的问题，其目的是利用已有的T2图像信息，在不经过实际扫描的情况下获得对应的DWI图像。

现有的DWI获取方法有以下几种：

磁共振成像：该方法利用磁共振实施扫描操作得到DWI。

通过传统的生成模型(VAE、PixelCNN、Glow等)跨模态生成DWI：该方法通过对不同模态的非线性关系进行建模，从而进行图像生成。

通过传统的对抗网络模型(GAN)跨模态生成DWI：该方法利用T2图像和配对的DWI图像进行训练，得到训练好的模型用于生成DWI。

现有的肿瘤图像脑区分割方法：

1)磁共振成像：磁共振扫描成本高，且易受脑脊液，心跳，呼吸等生理运动的影响，有较高的伪影风险。

2)通过传统的生成模型(VAE、PixelCNN、Glow等)跨模态生成DWI：由于跨模态的图像特征的差异较大，MRI任何两种模态之间的关系都是高度非线性的，而现有传统的生成模型的方法无法较好地模拟不同模态图像间的非线性关系，生成的图像偏模糊，因而在图像生成任务上表现不佳。

3)通过传统的对抗网络模型(GAN)跨模态生成DWI：GAN的思想就是利用博弈不断的优化生成器和判别器从而使得生成的图像与真实图像在分布上越来越相近。磁共振图像是一种三维的图像，而且训练样本量远小于自然图像，因此对生成对抗网络的结构提出了更高的挑战，要求卷积神经网络能对磁共振图像中所包含的信息进行充分的提取和利用。而目前应用于磁共振图像跨模态生成任务的生成对抗网络较为传统，对特征的提取及利用效率都较为有限。

发明内容

本发明的目的是提供一种基于T2图像生成DWI图像的方法及系统，能够提高生成的DWI图像的质量。

为实现上述目的，本发明提供了如下方案：

一种基于T2图像生成DWI图像的方法，包括：