[发明专利]一种模拟CT图像生成方法、装置、计算机设备和存储介质

权利要求书

1.一种模拟CT图像生成方法，其特征在于，包括：

获取待转化为模拟CT图像的MR扫描图像；

对所述MR扫描图像进行处理获取所述MR扫描图像的多个mdixon序列图像，所述多个mdixon序列图像包括脂肪图、水图、正相位图以及反相位图；

根据多个mdixon序列图像确定所述MR扫描图像中各图像点的特征信息，所述特征信息包括各图像点的空间坐标以及在多个mdixon序列图像中的MR值；

根据所述各图像点的特征信息以及基于层次支持向量机算法训练生成的四元医学影像分类模型确定与所述各图像点对应的成分类别的概率，所述成分类别包括脂肪、软组织、空气以及骨骼；

根据所述各图像点对应的成分类别的概率确定各图像点对应的CT值；

根据所述CT值生成模拟CT图像。

2.根据权利要求1所述的模拟CT图像生成方法，其特征在于，所述根据所述各图像点的特征信息以及基于层次支持向量机算法训练生成的四元医学影像分类模型确定与所述各图像点对应的成分类别的概率的步骤，具体包括：

根据预设的取样规则在所述MR扫描图像中确定多个样本图像点；

根据所述各样本图像点的特征信息以及基于层次支持向量机算法训练生成的四元医学影像分类模型确定与所述各样本图像点对应的成分类别的概率；

在所述多个样本图像点中确定与MR扫描图像中各剩余图像点距离最近的多个参考图像点并确定各剩余图像点与所述多个参考图像点之间的距离；

根据所述各剩余图像点与所述多个参考图像点之间的距离确定所述多个参考图像点对所述各剩余图像点的影响权重；

根据所述多个参考图像点对所述各剩余图像点的影响权重以及所述与各参考图像点对应的成分类别的概率确定与所述各剩余图像点对应的成分类别的概率。

3.根据权利要求1所述的模拟CT图像生成方法，其特征在于，所述基于层次支持向量机算法训练生成的四元医学影像分类模型的生成方法包括：

基于支持向量机算法训练生成多个二元医学影像分类模型；

确定所述多个二元医学影像分类模型的分类正确概率；

根据所述分类正确概率以及所述多个二元医学影像分类模型构建四元医学影像分类模型。

4.根据权利要求3所述的模拟CT图像生成方法，其特征在于，所述基于支持向量机算法训练生成多个二元医学影像分类模型的生成方法包括：

获取MR扫描样本图像；

对所述MR扫描样本图像进行处理获取所述MR扫描样本图像的多个mdixon序列样本图像，所述多个mdixon序列样本图像包括脂肪图、水图、正相位图以及反相位图；

根据所述多个mdixon序列样本图像确定所述MR扫描样本图像中各图像点的特征信息，所述特征信息包括各图像点的空间坐标以及在多个mdixon序列样本图像中的MR值；

获取所述MR扫描样本图像中各图像点对应的成分类别；

基于支持向量机算法以及不同的成分类别分类情况，根据所述各图像点的特征信息以及对应的成分类别确定不同的二元医学影像分类模型。

5.一种模拟CT图像生成装置，其特征在于，所述方法包括：

MR扫描图像获取单元，用于获取待转化为模拟CT图像的MR扫描图像；

MR扫描图像处理单元，用于对所述MR扫描图像进行处理获取所述MR扫描图像的多个mdixon序列图像，所述多个mdixon序列图像包括脂肪图、水图、正相位图以及反相位图；

特征信息确定单元，用于根据多个mdixon序列图像确定所述MR扫描图像中各图像点的特征信息，所述特征信息包括各图像点的空间坐标以及在多个mdixon序列图像中的MR值；

分类单元，用于根据所述各图像点的特征信息以及基于层次支持向量机算法训练生成的四元医学影像分类模型确定与所述各图像点对应的成分类别的概率，所述成分类别包括脂肪、软组织、空气以及骨骼；

CT值确定单元，用于根据所述各图像点对应的成分类别的概率确定各图像点对应的CT值；以及

模拟CT图像生成单元，用于根据所述CT值生成模拟CT图像。