[发明专利]一种基于感知一致生成对抗网络的三维医学图像重建方法

权利要求书

1.一种基于感知一致生成对抗网络的三维医学图像重建方法，其特征在于，包括以下步骤：

步骤1：构建采用感知一致性约束的SGAN模型；

所述SGAN模型包括一个采用UNet神经网络的生成模型和具有两个分支的判别模型，判别模型的两个分支分别由两个相同的五层卷积神经网络构成；

步骤2：二维图像预处理；

源图像为一组正交的三视角二维图像，将正视图X_f沿正视方向延展D个副本，左视图X_l沿左视方向延展H个副本，俯视图X_t沿俯视方向延展W个副本，生成大小H×W×D的三维图像；将生成的三维图像再按通道维度堆叠形成3通道3D图像，表示为大小为H×W×D×3；缩放三维图像使其在每个方向具有相同的空间分辨率；再将三维图像在三个方向上以滑动窗的方式裁剪出大小为N×N×N的多个图像块；

对所有的源图像进行上述处理后和源图像对应的真实三维图像一起构成图像数据集；

步骤3：SGAN模型训练；

以步骤2构成的图像数据集为样本，将处理后的源图像裁剪出的N×N×N大小的多个图像块输入生成模型，生成模型的输出为重建的三维目标图像；

将源图像生成的三维目标图像和源图像对应的真实三维图像分别输入判别模型的两个分支，计算两个分支所有相同层输出特征图的差异评分，得到两个分支所有相同层输出特征图的相似性，作为感知一致性约束调整网络参数；判别模型最终的输出为三维目标图像是否为真的结果；

生成模型和判别模型以相互对抗的方式进行学习，使用交替迭代的方式进行训练；训练完成，得到最终的SGAN模型；

步骤4：将待处理三视角二维图像经过步骤2预处理后输入步骤3得到的最终SGAN模型的生成网络，输出为重建的真实三维图像。

2.根据权利要求1所述的一种基于感知一致生成对抗网络的三维医学图像重建方法，其特征在于，所述生成模型由编码、迁移、解码三部分组成，编码部分实现从源图像提取信息的功能，迁移模型负责将信息从源图像迁移到目标图像，解码部分实现目标图像的重建。

3.根据权利要求2所述的一种基于感知一致生成对抗网络的三维医学图像重建方法，其特征在于，所述生成模型的编码部分由三个分别为8、16和32通道的卷积层构建，迁移部分包含了6个残差网络块，解码部分包含了2个分别是16和32通道的反卷积层及一个单通道的卷积层，两个反卷积层卷积核大小都为3×3×3；

解码部分32通道的反卷积层的输入由迁移部分的特征映射和编码部分32通道卷积层的特征映射联结构成；解码部分16通道的反卷积层的输入由解码部分32通道的反卷积层的特征映射和编码部分16通道卷积层的特征映射联结构成；解码部分单通道的卷积层的输入由解码部分16通道的反卷积层的特征映射和编码部分8通道卷积层的特征映射联结构成。

4.根据权利要求1所述的一种基于感知一致生成对抗网络的三维医学图像重建方法，其特征在于，所述判别模型的两个相同的五层卷积神经网络由五个通道大小依次为16、32、64、128和1的卷积层组成。

5.根据权利要求1所述的一种基于感知一致生成对抗网络的三维医学图像重建方法，其特征在于，所述N＝128。