[发明专利]一种脑血管图像-标签两阶段生成方法、装置及存储介质

权利要求书

1.一种脑血管图像-标签两阶段生成方法，其特征在于：包括以下步骤：

步骤1、将有标签脑血管图像的图像数据及标签数据进行预处理，并随机生成N维噪声，将N维噪声、预处理后的图像数据及标签数据做为训练集1；

步骤2、将无标签脑血管图像进行拓扑结构约束分割出伪标签，将伪标签数据做为训练集2；

步骤3、构建脑血管图像-标签两阶段生成对抗网络模型，所述模型包括串级的标签生成网络及图像生成网络；

步骤4、将训练集1及训练集2分别输入脑血管图像-标签两阶段生成对抗网络模型进行训练，获得训练完成的脑血管图像-标签两阶段生成对抗网络模型；

步骤5、将N维噪声输入到训练完成的脑血管图像-标签两阶段生成对抗网络模型，获得图像-标签数据对，进而生成完整的脑血管图像。

2.根据权利要求1所述的脑血管图像-标签两阶段生成方法，其特征在于：所述的步骤1具体如下：对图像数据及标签数据进行归一化处理及数据增强，并利用随机分布生成N维噪声，将N维噪声、数据增强后的图像数据及标签数据均转换为并行训练形式，构成训练集1。

3.根据权利要求1所述的脑血管图像-标签两阶段生成方法，其特征在于：步骤2所述的拓扑结构约束采用U-Net结合混合损失函数约束。

4.根据权利要求1所述的脑血管图像-标签两阶段生成方法，其特征在于：所述的步骤3中，

标签生成网络：包括标签生成器及标签判别器；用于将随机噪声的分布映射至脑血管标签的分布并进行训练，生成脑血管标签发送到图像生成网络；

图像生成网络：包括图像生成器及图像判别器；用于对接收到的脑血管标签添加纹理结构，并通过训练增加纹理的真实性，进而生成完整的脑血管图像。

5.根据权利要求4所述的脑血管图像-标签两阶段生成方法，其特征在于：所述的标签生成网络中，

标签生成器由多个解码模块及一个特征融合模块组成，每个解码模块包含一个固定步长的三维反卷积，并连接批次归一化(Batch Normalization)及Leaky ReLU激活函数；最后一层特征融合模块采用固定步长的三维反卷积，输出通道大小固定的图像并使用激活函数限定输出值范围；

标签判别器由多个特征提取模块及一个全连接层组成，每个特征提取模块包含一个固定步长的三维卷积、实例归一化(Instance Normalization)及一个Leaky ReLU激活函数；最后一层模块输出的特征图经过压平(flatten)操作输入全连接层。

6.根据权利要求4所述的脑血管图像-标签两阶段生成方法，其特征在于：所述的图像生成网络中，

图像生成器由编码模块及解码模块组成；编码模块由多个卷积块连接组成；每个卷积块由固定步长的三维卷积连接实例归一化及Leaky ReLU激活函数组成；解码模块由多个固定步长的三维反卷积相连接组成；三维反卷积之间通过实例归一化-Leaky ReLU激活函数连接；最后一层解码模块采用固定步长的三维反卷积，输出通道值与标签图像通道值一致并使用激活函数限定输出值范围；

图像判别器由多个特征提取模块及一个特征融合模块组成：每个特征提取模块包含一个固定步长的三维卷积、实例归一化及一个Leaky ReLU激活函数；特征融合模块包含一个固定步长的三维卷积。

7.根据权利要求6所述的脑血管图像-标签两阶段生成方法，其特征在于：所述图像判别器中的特征提取模块的数目由输出的特征图决定，输出的特征图在三个维度上不全为1。