[发明专利]一种跨模态医学影像精准转换方法

说明书

本发明属于医学图像技术领域，更具体地，涉及一种跨模态医学影像精准转换方法，通过配对影像模态转换模型对降采样图像进行第一次转换，得到的图像经像插值后，与待转换图像一起输入非配对影像模态转换模型中进行转换，输出最终的目标模态影像；本发明中先通过配对影像转换模型对降采样影像进行转换，此时，降采样图像能够减少图像高频噪声对图像模态转换的干扰，从而保证影像中主要的信息可以准确转换，之后再将输出的第一目标模态影像进行像素插值，插值影像可以提供丰富稳定的灰度信息，从而在非配对影像转换模型中引导高频的待转换影像保留更多的细节，避免丢失影像中的信息，从而实现精准稳定的医学影像模态转换。

技术领域

本发明属于医学图像技术领域，更具体地，涉及一种跨模态医学影像精准转换方法。

背景技术

临床上通常利用X射线(X-ray)、计算机断层扫描(Computed Tomography,CT)、核磁共振成像(Magnetic Resonance Imaging,MRI)、正电子发射型计算机断层扫描(Positron Emission Computed Tomography,PET)等技术对患者进行医学成像，以获取病灶的具象信息。往往对于同一患者同一病灶需要进行多种类型的医学成像，以获取更加全面的病灶信息，提高诊断的准确度。这种情况下诊断效率低下，且会增加对患者的辐射损伤及增加医疗成本，同时也使得医疗系统不堪重负。

为解决上述问题，有人提出了跨模态医学影像转换，即将因成像原理或扫描参数差异而形成的不同模态的医学影像之间进行转换的图像处理技术，其在节约成本、减少对患者的辐射损伤以及提高诊断精准度均有较高的实际价值。

目前较流行的方案有基于配对图像的学习模型以及基于非配对图像的学习模型；基于非配对图像的学习模型不需要配准，这样待转换模态影像与目标模态影像可以源于不同层面、不同患者，但是在生成影像时，仅判断该影像与目标模态影像空间整体间的差异，这样导致其在输入模态影像存在信息缺失时无法实现精确转换，容易丢失转换精度以及丧失不同患者间的特异性；基于配对图像的学习模型，如中国专利CN111862174A公开的一种跨模态医学图像配准方法，其需要对转换的图像进行精确配准，配准的精准度与模型训练有着密切的关系，而在成像时患者的体位、动作会造成无法避免的误差，这样会导致模型训练方向出现差异，导致最终转换得到的图像精确度达不到要求，会严重影响后续的诊断治疗；而且，在不同模态的医学影像中人体不同组织器官的表现差异可能很大，如骨组织在CT上是具有较高的强度，而在MRI上呈现于脂肪类似的低强度，这样会使得多模态图像配准难度大大增加，从而影响最终的转换精确度。

发明内容

本发明为克服上述现有技术中的至少一个缺陷，提供一种跨模态医学影像精准转换方法，其能够提高医学影像跨模态转换的精度。

为解决上述技术问题，本发明采用的技术方案是：

提供一种跨模态医学影像精准转换方法，包括以下步骤：

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

S2：对多组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：将待转换影像输入配对影像模态转换模型，得到第一目标模态影像；

S5：对第一目标模态影像进行像素插值，得到插值影像；

S6：以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，将训练集中的多模态影像数据集分组输入配对影像模态转换模型中，循环执行步骤S4至步骤S6，以对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配对影像模态转换模型及非配对影像模态转换模型；