[发明专利]一种多模态图像合成的深度学习神经网络模型系统

权利要求书

1.一种多模态图像合成的深度学习神经网络模型系统，其特征在于，所述的多模态图像合成的深度学习神经网络模型系统包括由与多分辨率优化策略相结合形成的多分辨率残差深度神经网络；首先利用低分辨率图像对残差深度神经网络进行训练，之后，利用中等分辨率及高分辨率图像对残差深度神经网络进行细调，使得网络不断的学习图像中的细节信息，直到合成高HU准确性及结构保真度的sCT图像；所述的残差深度神经网络包括A个卷积层，B个脱落层, C个批归一化层和D个长期残差连接；其中，所述的卷积层用于图像特征的提取；所述的脱落层用于避免网络过拟合；所述的批归一化层用于对对应卷积核的输入进行标准化，从而稳定网络训练过程及提高学习效率；所述的长期残差连接用于保留输入图像中的结构信息；

每个所述的脱落层的两侧均设置有所述的卷积层，每个所述的脱落层与两侧相邻的所述卷积层均连接；卷积层将提取的图像特征输入到相邻的脱落层中；

每个所述的脱落层和所述的批归一化层之间均设置有一个卷积层；脱落层、卷积层和批归一化层之间依次连接；

每个所述的长期残差连接的一端连接在卷积层与批归一化层之间；每个所述的长期残差连接的另一端连接在另一组卷积层与批归一化层之间。

2.根据权利要求1所述的多模态图像合成的深度学习神经网络模型系统，其特征在于，所述的残差深度神经网络包括15个卷积层。

3.根据权利要求1所述的多模态图像合成的深度学习神经网络模型系统，其特征在于，所述残差深度神经网络中的脱落率为20%。

4.根据权利要求1所述的多模态图像合成的深度学习神经网络模型系统，其特征在于，所述的脱落层设置有7个。

5.根据权利要求1所述的多模态图像合成的深度学习神经网络模型系统，其特征在于，所述的批归一化层设置有7个。

6.根据权利要求1所述的多模态图像合成的深度学习神经网络模型系统，其特征在于，所述的长期残差连接设置有3个。

7.根据权利要求1所述的多模态图像合成的深度学习神经网络模型系统，其特征在于，所述的残差深度神经网络中不使用池化层，以避免导致图像中结构信息的丢失。