[发明专利]一种非平衡数据集下图像模态转换方法

说明书

本发明公开了一种非平衡数据集下图像模态转换方法，包括构建数据集，构建基于多尺度卷积核并行和稠密连接的MR成像GAN模型，将CT/MR图像同时作为条件约束，提出相应的目标函数和约束条件，并进行GAN模型训练，将CT图像输入训练好的GAN模型生成MR图像。本发明可输入适用性更广、成像速度更快的CT图像，输出内容和特征与输入CT图像对应、诊断参考信息更丰富的MR图像。

技术领域

本发明涉及人工智能与医疗影像的交叉研究领域，具体涉及一种非平衡数 据集下图像模态转换方法。

背景技术

磁共振成像(Magnetic Resonance Imaging,MRI)技术是一项成熟的计算机辅 助医疗影像诊断技术。在无需注射造影剂的情况下，MRI可随意做出包括横断、 矢状、冠状或任何角度的切层图像，且获得的图像具有较高的软组织对比度。 因此，MR图像提供的疾病诊断信息量不但大于医疗影像学中的其他许多成像技 术，而且具有无创、无辐射、多对比度等特性，对疾病的诊断具有很大的优越 性。然而，受限于物理(磁场强度等)和生理(神经刺激等)等方面的因素， MRI并不适于所有人群。在磁共振机器及磁共振室内存在着非常强大的磁场， 金属会受磁场的吸引而移动，因此装有心脏起搏器者，以及由于冠状动脉、食道、前列腺、胆道和心血管手术后体内留有金属物品者绝对禁止MRI检查，以 免产生严重后果以致危及患者生命。此外，MRI检查费用高、扫描时间长且需 在相对密闭的空间内进行，这也使得该项技术不适用于经济困难或患有急性病、 癫痫、神经刺激症和幽闭恐怖症的病人。

在医疗影像应用中，计算机断层扫描(Computed Tomography,CT)更具有普适 性。与MRI一样，CT成像也几乎适用于全身各组织的病变检查。此外，CT检 查无需在密闭环境中进行，且更加方便迅速，可在数分钟内完成，易为患者接 受。因此，CT成像的适用人群更加广泛。

虽然MRI和CT都适用于全身各组织的病变检查，但MRI对于多数疾病的 诊断更具参考性。若能利用CT成像，再将CT图像转换为诊断信息更丰富的 MR图像，就达到了成像方便迅速且图像诊断信息丰富的效果，可适当解决MRI 不适于所有人群和成像速度慢的问题。因此，本发明提出一种非平衡数据集下 图像模态转换方法。能够利用普适性更强、成像速度更快的CT图像来模态转换 成像内容和特征与输入CT图像对应、诊断参考信息更丰富的MR图像。

发明内容

本发明提出一种非平衡数据集下图像模态转换方法，可提高MRI技 术的普适性和计算机辅助诊断效率。

为了实现上述目的，本发明采用的技术方案是，一种非平衡数据集下 图像模态转换方法，包括以下步骤：

(1)构建非平衡CT-MR数据集，其中包括非对应CT-MR数据和对应CT-MR 数据。

(2)将CT/MR图像同时作为条件约束，构建多条件约束GAN模型。

(3)采用多尺度卷积核并行与稠密连接的思想构建多条件约束GAN模型 的网络结构，结合网络结构中的隐层特征损失优化目标函数，构成医疗图像模 态转换GAN模型。

(4)利用非平衡CT-MR数据集进行医疗图像模态转换GAN模型训练。

(5)将CT图像输入训练好的医疗图像模态转换GAN模型生成MR图像。

本发明将CT/MR图像同时作为约束，促使生成器生成逼近于真实MR 的图像，采用多尺度卷积核并行和稠密连接网络结构有利于充分的利用网络中 的每层特征以生成更加逼真的MR图像。

附图说明

图1为非平衡CT-MR数据集下医疗图像模态转换方法框架图；

图2为非平衡CT-MR数据集样本；

图3为标准GAN和条件约束GAN架构图；

图4为多尺度卷积核并行结构；