申请/专利权人:天津大学
申请日:2021-12-03
公开(公告)日:2024-04-23
公开(公告)号:CN114140368B
主分类号:G06T5/50
分类号:G06T5/50;G06T5/60;G06T3/4038;G06T3/4046;G06V10/764;G06V10/80;G06V10/82;G06N3/0455;G06N3/084;G06N3/048
优先权:
专利状态码:有效-授权
法律状态:2024.04.23#授权;2022.03.22#实质审查的生效;2022.03.04#公开
摘要:本发明涉及一种基于生成式对抗网络的多模态医学图像合成方法。所述方法包括:构造模态注意力生成式对抗网络;所述模态注意力生成式对抗网络包括自表示网络和由生成式对抗网络实现的图像转换网络;采用多模态医学图像数据集对所述模态注意力生成式对抗网络进行训练与测试,生成训练完成的模态注意力生成式对抗网络;将已有的多模态医学图像输入至所述训练完成的模态注意力生成式对抗网络,输出目标模态的合成图像。本发明方法用于合成缺失的医学模态图像,能够提高多模态医学图像合成的质量,完整的多模态医学图像有益于医生做出更准确的决策。
主权项:1.一种基于生成式对抗网络的多模态医学图像合成方法,其特征在于,包括:构造模态注意力生成式对抗网络;所述模态注意力生成式对抗网络包括自表示网络和由生成式对抗网络实现的图像转换网络;所述构造模态注意力生成式对抗网络,具体包括:构造自表示网络;所述自表示网络包括编码器和解码器;构造图像转换网络;所述图像转换网络包括生成器和判别器;所述生成器包括多编码器、模态注意力模块和解码器;所述模态注意力模块中植入的方法具体包括:获取除目标模态以外的其他模态的医学图像对应的多个特征图;根据所述多个特征图计算跨模态的通道权重;根据所述跨模态的通道权重将所述其他模态的信息补充到每个输入模态中,以得到多个模态补充信息后的新特征图;将所述多个模态补充信息后的新特征图进行拼接,生成拼接后的特征图;采用多模态医学图像数据集对所述模态注意力生成式对抗网络进行训练与测试,生成训练完成的模态注意力生成式对抗网络;将已有的多模态医学图像输入至所述训练完成的模态注意力生成式对抗网络,输出目标模态的合成图像。
全文数据:
权利要求:
百度查询: 天津大学 一种基于生成式对抗网络的多模态医学图像合成方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。