[发明专利]基于条件多判别生成对抗网络的医疗图像合成与分类方法

摘要

本发明公开一种基于条件多判别生成对抗网络的医疗图像合成与分类方法，该方法包括以下步骤：一、对计算机断层扫描(Computed Tomography,简称CT)图像中病变区域进行分割，提取病变感兴趣区域(Region of Interest,简称ROIs)；二、对一中提取的病变ROIs进行数据预处理；三、设计基于条件多判别生成对抗网络(Conditional Multi‑Discriminate Generative Adversarial Network,简称CMDGAN)模型架构，使用二中的图像对其进行训练，得到生成模型；四、使用三中得到的生成模型对提取的病变ROIs进行合成数据增强；五、设计多尺度残差网络(Multiscale ResNet Network,简称MRNet)并训练。本发明提出的方法，可以生成具有高质量的合成医疗图像数据集，分类网络对测试图像的分类准确率较高，从而更好的能够为医疗工作者提供辅助诊断。

主权项

1.一种基于条件多判别生成对抗网络的医疗图像合成与分类方法其特征在于：至少包括以下步骤：步骤一、根据放射科医生对计算机断层扫描(Computed Tomography,简称CT)图像中病变区域的标注，对医疗CT图像进行图像分割，提取病变感兴趣区域(Region ofInterest,简称ROIs)；步骤二、对步骤一中提取的病变ROIs进行数据预处理，使不同病灶之间的图像数据达到均衡；步骤三、设计基于条件多判别生成对抗网络(Conditional Multi‑Discriminate Generative Adversarial Network,简称CMDGAN)模型架构，使用步骤二中得到的预处理图像对其进行指导训练，得到一个生成模型；步骤四、使用步骤三中得到的生成模型对提取的病变ROIs进行合成数据增强，得到具有高质量的病变ROIs数据集；步骤五、设计多尺度残差网络(Multiscale ResNet Network,简称MRNet)，并使用步骤四得到的合成病变ROIs数据集对该网络进行训练，得到一个高精度的分类神经网络，实现医疗图像分类。