【技术实现步骤摘要】
本专利技术实施例涉及医学图像处理，尤其是涉及一种医学图像模态转换方法。
技术介绍
1、医学图像不同模态之间的转换具有重要意义。不同模态的医学图像(例如磁共振成像(magnetic resonance imaging，mri)、计算机断层扫描(computed tomography，ct)和超声波等)能够提供不同类型的信息，因此通过模态转换来综合这些信息，可辅助医生进行更全面地诊断。
2、目前，在无法采集到同一对象在不同模态下的医学图像的情况下，主要是基于循环生成对抗网络完成一个模态到另一个模态转换的任务。但是，在利用循环生成对抗网络进行模态转换时，至少存在如下两个技术问题：
3、一是循环生成对抗网络包含两个生成器，一个实现模态1到模态2的转换，另一个实现模态2到模态1的转换，这使得循环生成对抗网络只能够完成2种模态的转换，导致模态转换的局限性较大；二是循环生成对抗网络需构建两个生成器和两个判别器来分开完成模态转换任务，这会成倍地增加计算消耗。
技术实现思路
1、本专利技术实施例提供了一种医学图像模态转换方法，解决了模态转换的局限性较大和计算消耗较大的问题。
2、根据本专利技术的一方面，提供了一种医学图像模态转换方法，可以包括：
3、获取在第一模态下针对目标对象的目标部位采集到的第一目标医学图像、待将第一目标医学图像转换至的第二模态以及预先训练出的目标生成器；
4、获取预先确定出的表示第二模态的第二模态特征；
5
6、本专利技术实施例中的技术方案，通过获取在第一模态下针对目标对象的目标部位采集到的第一目标医学图像、待将第一目标医学图像转换至的第二模态以及预先训练出的目标生成器；获取预先确定出的表示第二模态的第二模态特征，该第二模态特征可用于指示需要生成第二模态下的第二目标医学图像；将第一目标医学图像和第二模态特征输入到目标生成器，从而可利用目标生成器，以第二模态特征为先验知识，将第一目标医学图像转换到第二模态下，得到并且输出第二目标医学图像。上述技术方案，通过将可指示出需要生成的目标医学图像所属的医学图像模态的模态特征输入到目标生成器中，使得利用一个目标生成器能够进行有关医学图像的多种模态转换，解决了因利用两个目标生成器进行两种模态转换而带来的模态转换的局限性较大和计算消耗较大的问题。
7、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或是重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种医学图像模态转换方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标生成器包括目标编码器和目标解码器；
3.根据权利要求2所述的方法，其特征在于，所述目标编码器包括多个目标编码层和多个目标下采样层，所述第二模态特征通过如下方式应用：
4.根据权利要求1所述的方法，其特征在于，所述目标生成器通过如下方式预先训练得到：
5.根据权利要求4所述的方法，其特征在于，所述待训练判别器包括多个待训练网络层和多个待训练下采样层，所述第二模态特征通过如下方式应用：
6.根据权利要求4所述的方法，其特征在于，所述目标生成器还通过如下方式预先训练得到：
7.根据权利要求6所述的方法，其特征在于，所述目标生成器还通过如下方式预先训练得到：
8.根据权利要求4所述的方法，其特征在于，所述目标生成器还通过如下方式预先训练得到：
9.根据权利要求1所述的方法，其特征在于，所述第二模态特征通过如下方式预先确定：
10.根据权利要求9所述的方法，其特征在于，所述模态特征提取
...【技术特征摘要】
1.一种医学图像模态转换方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标生成器包括目标编码器和目标解码器；
3.根据权利要求2所述的方法，其特征在于，所述目标编码器包括多个目标编码层和多个目标下采样层，所述第二模态特征通过如下方式应用：
4.根据权利要求1所述的方法，其特征在于，所述目标生成器通过如下方式预先训练得到：
5.根据权利要求4所述的方法，其特征在于，所述待训练判别器包括多个待训练网络层和多个待训练下采样层，所述第二模态特...
【专利技术属性】
技术研发人员：闵祥德，冯朝燕，张配配，范婵媛，李拔森，
申请(专利权)人：华中科技大学同济医学院附属同济医院，
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。