[发明专利]一种跨模态医学影像精准转换方法

权利要求书

1.一种跨模态医学影像精准转换方法，其特征在于，包括以下步骤：

S1：获取多组不同患者的多模态影像数据集，并将所述多模态影像数据集分成训练集以及验证集；

S2：对多组所述多模态影像数据集中的影像数据分别进行预处理，得到降采样影像；

S3：以所述降采样影像作为输出，构建配对影像模态转换模型；

S4：将待转换影像输入所述配对影像模态转换模型，得到第一目标模态影像；

S5：对所述第一目标模态影像进行像素插值，得到插值影像；

S6：以所述插值影像及待转换模态影像作为双输入，以第二目标模态影像作为输出，构建非配对影像模态转换模型；

S7：设定最大迭代次数以及迭代结束条件，将所述训练集中的多模态影像数据集分组输入所述配对影像模态转换模型中，循环执行步骤S4至步骤S6，以对所述配对影像模态转换模型及非配对影像模态转换模型进行训练，并计算转换损失以实时更新所述配对影像模态转换模型及非配对影像模态转换模型；

S8：将验证集中的多模态影像数据输入步骤S7中更新的所述配对影像模态转换模型及非配对影像模态转换模型中，输出最终目标模态影像。

2.根据权利要求1所述的一种跨模态医学影像精准转换方法，其特征在于，所述步骤S2具体包括以下步骤：

S21：对每组所述多模态影像数据集中的多模态影像进行刚性配准，得到配准影像；

S22：对所述配准影像进行降采样，得到分辨率为配准影像四分之一的降采样影像。

3.根据权利要求2所述的一种跨模态医学影像精准转换方法，其特征在于，步骤S7中所述配对影像模态转换模型训练过程中通过计算相似度测度损失函数，并根据计算结果对所述配对影像模态转换模型参数进行更新。

4.根据权利要求3所述的一种跨模态医学影像精准转换方法，其特征在于，所述相似度损失函数具体包括基于像素的相似度测度损失函数以及基于特征空间的相似度测度损失函数。

5.根据权利要求4所述的一种跨模态医学影像精准转换方法，其特征在于，所述基于像素的相似度测度损失函数具体定义为

其中，L₁为绝对平均误差，Input为待转换影像，Target为第一目标模态影像，Ω为模态转换影像空间所包含的像素点集合，n为像素点的总数量，G为配对影像模态转换模型，p为对应影像中的第p个像素。

6.根据权利要求5所述的一种跨模态医学影像精准转换方法，其特征在于，所述基于特征空间的相似度测度损失函数具体定义为：

其中，为均方误差，Input为待转换影像，Target为第一目标模态影像，G为配对影像模态转换模型，p为对应影像中的第p个像素，ф_i,j为第i层卷积块第j个卷积变换，C_j为输出特征的通道数，W_j为输出特征的宽度，H_j为输出特征的长度。

7.根据权利要求6所述的一种跨模态医学影像精准转换方法，其特征在于，步骤S7中所述非配对影像模态转换模型包括同时进行的正向转换模型以及反向转换模型，且通过循环稳定性损失函数对所述正向转换模型以及反向转换模型进行约束，训练过程中均通过生成对抗损失函数以及循环稳定性损失函数计算转换的损失梯度，并根据损失梯度对所述非配对影像模态转换模型进行更新。