[发明专利]基于生成对抗网络的结直肠癌肝转移MRI图像增强方法在审
申请号: | 202211493244.9 | 申请日: | 2022-11-25 |
公开(公告)号: | CN115908333A | 公开(公告)日: | 2023-04-04 |
发明(设计)人: | 杨勇;蔡坤谚;孙芳芳;高心逸;马德宁 | 申请(专利权)人: | 杭州电子科技大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/10;G06T7/62;G06V10/764;A61B5/00;A61B5/055;G06N3/0475;G06N3/094 |
代理公司: | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人: | 朱亚冠 |
地址: | 310018 浙*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 生成 对抗 网络 直肠癌 转移 mri 图像 增强 方法 | ||
1.基于生成对抗网络的结直肠癌肝转移MRI图像增强方法,其特征在于所述方法包括以下步骤:
S1:获取未使用造影剂的肝脏MRI图像以及该肝脏使用造影剂后的MRI图像,所述未使用造影剂的肝脏MRI图像包括平扫T1WI、T2WI、DWI-ADC;然后通过计算机程序辅助人眼验证的方式将使用造影剂后的MRI图像根据动脉期、门脉期、延迟期进行分类后打标;
S2:对步骤S1所有MRI图像进行预处理;
S3:对步骤S2所有MRI图像进行数据增强;具体是:
对MRI图像依次进行随机旋转和随机裁剪,保留包含肝脏部分的图像,得到第一次数据增强后图像;然后以触发概率θ对第一次数据增强后图像进行随机遮挡,最后以触发概率β进行随机替换,得到第二次数据增强后图像;
S4:以步骤S3数据增强后的T1WI、T2WI、DWI-ADC图像作为输入,步骤S3数据增强后的使用造影剂后的MRI图像作为标签,构建数据集;
S5:利用上述数据集训练并验证生成对抗网络;
所述生成对抗网络包括注意力地图模块、生成器、判别器;
所述注意力地图模块接收同一肝脏同一时期的平扫T1WI、DWI-ADC图像,使用T1WI肝脏分割结果信息与DWI-ADC信息融合,根据公式(1)得到注意力特征图;
M=H(MT1)·H(MADC) 式(1)
其中MT1为T1WI图像分割后保留肝脏位置信息的二值化硬注意力特征图,MADC为DWI-ADC的归一化后的权值图,H(·)为低通滤波;
所述生成器的输入为同一肝脏同一时期的平扫T1WI、T2WI、DWI-ADC图像,以及所述注意力地图模块输出的注意力特征图,生成虚拟增强后MRI图像;
所述判别器的输入为所述生成器输出的虚拟增强后MRI图像,以及使用造影剂后的MRI图像,得到最终判别结果;
S6:利用训练并验证好的生成对抗网络实现结直肠癌肝转移MRI图像虚拟增强。
2.根据权利要求1所述的方法,其特征在于步骤S2中所述预处理包括图像配准、图像重采样、图像归一化。
3.根据权利要求2所述的方法,其特征在于所述图像配准是以使用造影剂后的MRI图像作为标准图像,T1WI、T2WI、DWI-ADC图像向其配准;所述图像重采样是将使用造影剂后的MRI图像,配准后的T1WI、T2WI、DWI-ADC图像的像素尺寸统一为1*1*1;所述图像归一化是使图像重采样后的所有MRI图像的像素点明暗程度限定在[0,1]范围内。
4.根据权利要求1所述的方法,其特征在于步骤S3中所述随机旋转是以图像中心为旋转中心进行随机旋转,旋转角范围为[-30°,+30°];所述随机遮挡是对图像1/16矩形面积的区域进行遮挡;所述使用随机替换,以CutMix的方法对图像1/16矩形面积的区域进行随机替换。
5.根据权利要求1所述的方法,其特征在于生成器G采用5层ResUNet,判别器D采用降采样卷积神经网络。
6.根据权利要求1或5所述的方法,其特征在于生成器G损失函数表示为min Loss=LossG+100*LossP,其中lossG为原图像与生成图像的平均绝对误差(MAE),LossP为生成图像与标签图像的平均绝对误差;判别器的损失函数表示为maxLoss=LossD,其中LossD为二分类的损失交叉熵函数。
7.根据权利要求1或5所述的方法,其特征在于生成对抗网络优化器使用Adam优化器,epoch设置为1000。
8.实现权利要求1-7中任一项所述方法的结直肠癌肝转移MRI图像增强系统,其特征在于包括训练并验证好的生成对抗网络。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学,未经杭州电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211493244.9/1.html,转载请声明来源钻瓜专利网。