【技术实现步骤摘要】
一种基于多借鉴信息的医学影像智能转换方法
[0001]本专利技术涉及图像处理
,尤其是一种基于多借鉴信息的医学影像智能转换方法。
技术介绍
[0002]现代医学中,医生主要依靠各种医学影像设备检测出的图像做出诊断和治疗方案。医学影像常见的有计算机断层扫描成像(CT)、核磁共振成像(MR)等。不同模态的医学图像能够提供不同的信息,例如CT图像具有很清晰的骨质信息和光子衰减信息;MR影像可以清晰地分辨出软组织、脂肪、水等组织类型。然而,大部分医学影像设备造价昂贵,体积庞大,结构复杂,一些偏远地区的医院甚至没有专业的医疗影像设备,专业技术人员更是不足。此外,部分影像图像的获取耗时冗长,CT图像甚至可能对人体造成一定的辐射性伤害。
技术实现思路
[0003]本专利技术人针对上述问题及技术需求,提出了一种基于多借鉴信息的医学影像智能转换方法,本专利技术的技术方案如下:
[0004]一种基于多借鉴信息的医学影像智能转换方法,该方法包括:
[0005]获取待转换MR图像;
[0006]将待转换MR图像输入医学影像转换模型,医学影像转换模型包括编码模块、注意力机制模块、解码模块和多借鉴信息提取模块,编码模块对待转换MR图像进行编码后提取第一特征图,注意力机制模块将第一特征图转换为第二特征图,第二特征图输入解码模块依次经过各个级联的解码层,编码模块与解码模块之间还采用跳过连接;多借鉴信息提取模块提取待转换MR图像的若干层多借鉴信息,各层多借鉴信息反映待转换MR图像的高维特征并分别输入各个解 ...
【技术保护点】
【技术特征摘要】
1.一种基于多借鉴信息的医学影像智能转换方法,其特征在于,所述方法包括:获取待转换MR图像;将所述待转换MR图像输入医学影像转换模型,所述医学影像转换模型包括编码模块、注意力机制模块、解码模块和多借鉴信息提取模块,所述编码模块对所述待转换MR图像进行编码后提取第一特征图,所述注意力机制模块将所述第一特征图转换为第二特征图,所述第二特征图输入所述解码模块依次经过各个级联的解码层,所述编码模块与所述解码模块之间还采用跳过连接;所述多借鉴信息提取模块提取所述待转换MR图像的若干层多借鉴信息,各层多借鉴信息反映所述待转换MR图像的高维特征并分别输入各个解码层中;所述解码模块中的各个解码层分别获取输入的特征图、输入的多借鉴信息以及编码模块输入的信息并进行解码处理;根据所述医学影像转换模型的输出得到由所述待转换MR图像转换得到的CT图像。2.根据权利要求1所述的方法,其特征在于,所述多借鉴信息提取模块包括高维特征预测单元和CT图像解码器,所述CT图像解码器包括若干个级联的解码层,所述CT图像解码器是基于VAE网络训练得到的CT图像自编码单元中的解码器;所述高维特征预测单元用于获取所述待转换MR图像,并生成对应的CT图像的高维特征预测结果;所述CT图像解码器对所述高维特征预测结果进行解码,由CT图像解码器的各个解码层分别输出各层多借鉴信息。3.根据权利要求2所述的方法,其特征在于,所述高维特征预测单元包括MR图像编码器和特征预测器,所述MR图像编码器是基于VAE网络训练得到的MR图像自编码单元中的编码器,所述特征预测器基于PixelCNN+网络训练得到;所述MR图像编码器用于提取所述待转换MR图像的高维特征,所述特征预测器用于基于所述待转换MR图像的高维特征生成对应的CT图像的高维特征预测结果。4.根据权利要求3所述的方法,其特征在于,所述方法还包括:分别获取同一个人体组织区域在相同状态下的样本MR图像和样本CT图像作为一对样本组;对于每一个样本组,获取当前的样本组中的样本MR图像经过预先训练得到的MR图像自编码单元中的编码器后提取得到的MR高维特征,获取当前的样本组中的样本CT图像经过预先训练得到的CT图像自编码单元中的编码器后提取得到的CT高维特征;将每个样本组提取得到的MR高维特征作为输入、CT高维特征作为输出,利用各个样本组基于PixelCNN+网络训练得到所述特征预测器;基于训练得到的特征预测器、MR图像自编码单元和CT图像自编码单元,将每个样本组中的样本MR图像作为输入、样本CT图像作为输出,训练得到所述医学影像转换模型。5.根据权利要求3...
【专利技术属性】
技术研发人员:钱鹏江,蒋亦樟,王士同,姚健,汪小川,陈爱国,顾逸,张欣,
申请(专利权)人:江南大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。