[发明专利]基于结构特征自增强的CT-MR模态迁移方法有效
| 申请号： | 201910871938.3 | 申请日： | 2019-09-16 |
| 公开（公告）号： | CN110580728B | 公开（公告）日： | 2022-11-25 |
| 发明（设计）人： | 廖胜辉;温小斌;刘姝 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G06T11/00 | 分类号： | G06T11/00;G06T3/00;G06N3/08 |
| 代理公司： | 长沙永星专利商标事务所(普通合伙) 43001 | 代理人： | 周咏;米中业 |
| 地址： | 410083 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于结构特征自增强的CT‑MR模态迁移方法，包括获取训练数据；在原始CycleGAN网络基础上增加SEnet网络结构并训练得到SENet‑CycleGAN网络模型；结合FPN网络结构得到结构特征自增强CycleGAN网络并引入模态无关描述子损失函数并训练得到结构特征自增强CycleGAN模态迁移模型；将需要进行模态迁移的CT图像数据输入结构特征自增强CycleGAN网络输出最终的模态迁移后的伪MR图像数据。本发明方法能够从CT图像数据获取模态迁移后的MR图像数据，不仅结果清晰，而且可靠性高、通用性好、实用性强。 | ||
| 搜索关键词： | 基于 结构 特征 增强 ct mr 迁移 方法 | ||
【主权项】：
1.一种基于结构特征自增强的CT-MR模态迁移方法，包括如下步骤：/nS1.获取单独的CT训练数据，以及已匹配好的CT-MR模态迁移数据；/nS2.在CycleGAN网络的基础上增加SENet网络结构，得到SENet-CycleGAN网络，并采用步骤S1获取的单独的CT训练数据，对SENet-CycleGAN网络进行训练，从而得到预训练的SENet-CycleGAN网络模型；/nS3.将FPN网络结构加入到SENet-CycleGAN网络，从而得到结构特征自增强CycleGAN网络，同时在结构特征自增强CycleGAN网络中加入模态无关描述子损失函数，并采用步骤S2得到的预训练的SENet-CycleGAN网络模型的参数对结构特征自增强CycleGAN网络进行初始化；/nS4.采用步骤S1得到的已匹配好的CT-MR模态迁移数据，对步骤S3得到的初始化后的结构特征自增强CycleGAN网络进行训练，从而得到结构特征自增强CycleGAN模态迁移网络模型；/nS5.获取需要进行模态迁移的CT图像数据输入步骤S4得到的结构特征自增强CycleGAN模态迁移网络模型，输出最终的模态迁移后的伪MR图像数据。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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中南大学，未经中南大学许可，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/patent/201910871938.3/，转载请声明来源钻瓜专利网。
