[发明专利]一种基于多序列MRI的sCT生成方法

说明书

一种基于多序列MRI的sCT生成方法，包括：S1，基于循环生成对抗网络构建sCT生成模型；S2，获取n组MRI序列以及相应的CT影像；S3，利用n组MRI序列中的任一MRI序列及CT影像调整sCT生成模型的参数，使得sCT生成模型的损失函数满足预设条件；S4，重复操作S3，调整每一MRI序列对应的sCT生成模型参数，并利用调整后的sCT生成模型生成n组MRI序列对应的n组sCT；S5，根据CT影像和n组sCT计算该n组sCT对应的n个权重值，对n个权重值和n组sCT进行乘加计算，得到sCT。通过耦合多组MRI序列特征信息生成符合临床精度和速度要求的sCT，该方法计算速度快、稳定且鲁棒性强。

技术领域

本公开涉及放射治疗的优化方法领域，具体地，涉及一种基于多序列 MRI的sCT生成方法。

背景技术

电子计算机断层扫描(Computed Tomography，CT)是当前获取放疗影响数据的主要方式，但是CT的软组织对比度有限，且存在额外的电离辐射。相比于CT，磁共振成像(Magnetic Resonance Imaging，MRI)具有软组织鉴别能力优越、无电离辐射及无骨伪影等优点，目前放疗常采用MRI与CT配准融合，但是会引入配准误差。基于MRI的放疗不仅可以消除该误差，而且还将减少患者接受的CT剂量，但是由于MRI信号强度与电子密度没有直接关系，无法计算放疗计量，因此，需要从MRI中获得 CT的等效数据，通常把该等效数据称为伪CT(Synthetic CT，sCT)。

国内外研究基于MRI生成sCT的方法主要分为：基于组织分割、基于图谱分割和基于学习的方法(分为基于统计学的方法和基于深度学习的方法)。其中，基于组织分割的方法在分割人体复杂器官时，精度难以保证，且几种组织密度类型远远不足以代替CT值；基于图谱分割的方法在存在较大解剖变化或病理差异的情况下，很难精准地配准患者影像，且其配准时间较长，限制其临床应用；基于统计学的方法不能有效地区分结构细节，难以做出可靠的预测；基于深度学习的方法依赖于患者MRI和CT 精确配准的训练数据，并且其基于单个MRI序列(以T1WI居多)，而临床上为了精确诊断通常会采集多组MRI序列(例如T1WI、T2WI、FST1 等)，并不能满足临床需求。

发明内容

(一)要解决的技术问题

本公开鉴于上述问题，提供了一种基于多序列MRI的sCT生成方法，通过基于循环生成对抗网络构建sCT生成模型并对模型参数进行调整，并耦合多组MRI序列特征信息生成sCT，以至少解决以上技术问题。

(二)技术方案

本公开提供了一种基于多序列MRI的sCT生成方法，包括：S1，基于循环生成对抗网络构建sCT生成模型；S2，获取n组MRI序列以及相应的CT影像；S3，利用所述n组MRI序列中的任一MRI序列及所述CT 影像调整所述sCT生成模型的参数，使得所述sCT生成模型的损失函数满足预设条件；S4，重复操作S3，调整每一MRI序列对应的sCT生成模型参数，并利用调整后的所述sCT生成模型生成所述n组MRI序列对应的n 组sCT；S5，根据所述CT影像和n组sCT计算该n组sCT对应的n个权重值，对所述n个权重值和n组sCT进行乘加计算，得到所述sCT。

可选地，所述sCT生成模型包括sCT生成器、sMRI生成器、CT判别器和MRI判别器，所述sCT生成模型包括前向循环和后向循环，所述前向循环和后向循环共用所述sCT生成器、sMRI生成器、CT判别器和 MRI判别器。

可选地，所述步骤S3还包括：计算所述sCT生成器的图像损失函数；为所述图像损失函数设定一预设权重。