[发明专利]一种断层扫描图像层间距的加密方法和加密装置

权利要求书

1.一种断层扫描图像层间距的加密方法，其特征在于该方法包括以下步骤：

获取人体部位多幅断层扫描图像，分别对多幅电子计算机断层扫描图像进行归一化处理，得到多幅三维图像；

利用所述的三维图像中的二维图像切片对变分自编码生成对抗网络进行训练，将所述的三维图像中的二维图像切片输入变分自编码生成对抗网络，所述的变分自编码生成对抗网络输出得到人体部位的组织结构特征；

构建和训练一个层间距加密网络；

将所述的三维图像中的二维图像切片中的连续两张二维图像切片输入所述的层间距加密网络，得到细层间距图像，实现断层扫描图像层间距的加密。

2.如权利要求1所述的断层扫描图像层间距的加密方法，其特征在于其中所述的对变分自编码生成对抗网络进行训练的过程为：

变分自编码生成对抗网络由编码器、解码器和判别器组成；所述的编码器包括四个降采样模块、一个全连接模块和两个全连接层；所述的解码器包括一个全连接模块和四个上采样模块；所述的判别器包括四个降采样模块、一个全连接模块和一个全连接层，降采样模块包括卷积层、实例归一化层和激活层；升采样模块包括反卷积层，实例归一化层和激活层；全连接模块包括全连接层和实例归一化层；

变分自编码生成对抗网络的损失函数为相对熵损失函数、潜在空间距离损失函数、重建原始图像损失函数和判别器损失函数。

3.如权利要求1所述的断层扫描图像层间距的加密方法，其特征在于其中所述的构建和训练一个层间距加密网络的过程如下：

层间距加密网络由包含多尺度特征提取跳跃连接的U型结构网络、通道注意力网络和空间变形网络组成；

对所述的层间距加密网络进行训练，得到一个训练后的层间距加密网络。

4.如权利要求3所述的断层扫描图像层间距的加密方法，其特征在于其中所述的多尺度特征提取跳跃连接的U型结构网络的结构如下：

U型结构网络包括四次降采样与四次升采样，四次降采样中的前三次下采样为连接升采样的跳跃连接过程，在每次跳跃连接中进行多尺度特征提取，多尺度特征提取模块由四个卷积层并联而成，四个卷积层分别包括尺寸为1*1卷积核、尺寸为3*3卷积核、两个尺寸为3*3大小卷积核及一个池化层和尺寸为3*3卷积核；

降采样过程包括一个卷积层和一个激活层，激活函数采用LeakyRelu函数；升采样过程包括卷积层、激活层和上采样层，激活函数采用LeakyRelu。

5.如权利要求3所述的断层扫描图像层间距的加密方法，其特征在于其中所述的通道注意力网络的结构如下：

通道注意力网络由多个通道注意力单元级联而成，通道注意力单元使用残差网络连接，残差网络内包括两部分，残差网络的第一部分为卷积层和LeakyRelu激活层，残差网络的第二部分为通道注意力主体，通道注意力主体包括平均池化层、卷积层、LeakyRelu激活层、卷积层和Sigmoid激活层，由第二部分的通道注意力主体输出的权重与残差网络的第一部分输出的向量相乘作为通道注意力网络的输出。

6.如权利要求3所述的断层扫描图像层间距的加密方法，其特征在于其中所述的空间变形网络的结构如下：

空间变形模块对于需要预测的细层间距图像上的每一个像素，在与原始输入图像尺寸等大小的形变场中能够学习到对应的亚像素位置，原始输入图像中亚像素所在位置的像素值即为细层间距图像的像素值。针对亚像素的位置是浮点数，采用相邻四个像素的线性插值的方法，求得亚像素所对应的像素值。

7.如权利要求3所述的断层扫描图像层间距的加密方法，其特征在于其中所述的对层间距加密网络进行训练的损失函数包括重建损失、感知损失函数和变分自编码生成对抗网络的约束损失函数。