[发明专利]基于深度学习的腹部三维医学影像转换生成方法

说明书

本发明提供一种基于深度学习的腹部三维医学影像转换生成方法，用于实现由腹部MRI影像转换为腹部CT影像的跨模态影像转换，包括如下步骤：步骤S1，对已有训练集中的真实MRI影像和真实CT影像进行三维医学配准，得到配准影像；步骤S2，将配准影像输入用于图像转换的三维深度学习模型进行模型训练，得到训练后的三维深度学习模型；步骤S3，将需要进行转换的腹部MRI影像输入训练后的三维深度学习模型，得到同一部位的相应的CT影像。本发明能够用于患者因各种原因(如担心辐射等)只进行了MRI拍摄而没有进行CT拍摄时帮助医生进行辅助诊断，为医生提供更多可用的医学诊断影像作为判断依据。

技术领域

本发明属于计算机视觉领域以及医疗影像领域，涉及一种不同模态的三维医疗影像之间进行转换的方法，具体涉及一种基于深度学习的腹部三维医学影像转换生成方法。

背景技术

医学影像包含多种模态的数据形式，MRI与CT是两种常见模态的三维医学影像，由于成像原理不同，二者对疾病的诊断各有优势，比如CT影像中的骨组织更加清晰，MRI影像中的软组织则更细致，而且由于没有放射性不会对人体细胞造成损伤。单模态医学影像通常无法反映疾病的复杂特征，综合分析MRI和CT多模态医疗影像，综合考虑不同模态数据特征及互补关系，能为医生提供更加全面的诊断信息，提高疾病诊断准确率。同时，利用MRI数据生成具有医学诊断意义的CT数据能有效避免给患者带来辐射伤害。

然而现有研究成果存在生成的数据精度不够解决这一共性问题，并且对医疗影像中的微小细节无法保留，使其生成的数据无法满足精度与匹配度要求。因此，需要设计一种能够解决上述问题的方法。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种基于深度学习的腹部三维医学影像转换生成方法，能够通过仅有的腹部MRI影像生成可以用于辅助诊断的同一部位的对应CT影像。

本发明提供了一种基于深度学习的腹部三维医学影像转换生成方法，用于实现由腹部MRI影像转换为腹部CT影像的跨模态影像转换，具有这样的特征，包括如下步骤：步骤S1，对已有训练集中的真实MRI影像和真实CT影像进行三维医学配准，得到配准影像；步骤S2，将所述配准影像输入用于图像转换的三维深度学习模型进行模型训练，得到训练后的三维深度学习模型；步骤S3，将需要进行转换的腹部MRI影像输入训练后的所述三维深度学习模型，得到同一部位的相应的CT影像。

在本发明提供的基于深度学习的腹部三维医学影像转换生成方法中，还可以具有这样的特征：其中，步骤S2中，三维深度学习模型包括生成器模型和判别器模型，模型训练具体包括如下子步骤：

步骤S2-1，构建初始生成器模型和初始判别器模型；

步骤S2-2，将腹部MRI影像输入所述初始生成器模型，得到初始腹部CT影像Ⅰ；

步骤S2-3，采用所述已有训练集中的一部分所述真实CT影像和一部分所述初始腹部CT影像Ⅰ输入所述初始判别器模型，对所述初始判别器模型进行训练，得到训练后的初始判别器模型；

步骤S2-4，采用所述已有训练集中的另一部分经过三维医学配准后的真实MRI影像和对应的真实CT影像输入所述初始生成器模型，对所述初始生成器模型进行训练，得到训练后的初始训练器模型；

步骤2-5，重复步骤S2-2，得到初始腹部CT影像Ⅱ，将其与对应的真实CT影像进行对比，判断所述初始腹部CT影像是否为高质量影像，当判断为是高质量影像时，则停止训练，当判断为不是高质量影像时，则重复步骤步骤S2-3和步骤S2-4，直至输出的腹部CT影像为高质量影像时，则停止训练。

在本发明提供的基于深度学习的腹部三维医学影像转换生成方法中，还可以具有这样的特征：其中，步骤S1中，三维医学配准采用FAIM算法。

在本发明提供的基于深度学习的腹部三维医学影像转换生成方法中，还可以具有这样的特征：其中，步骤S3中，CT影像为DICOM格式的三维CT影像。