申请/专利权人：西安电子科技大学

申请日：2024-02-28

公开（公告）日：2024-05-14

公开（公告）号：CN118037615A

主分类号：G06T5/94

分类号：G06T5/94;G06T5/50;G06T5/60;G06T7/00;G06T7/11;G06N3/0455;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.31#实质审查的生效;2024.05.14#公开

摘要：一种肿瘤分割引导的磁共振图像翻译方法、系统、设备及介质，其方法为，获取磁共振图像数据样本并进行数据预处理；通过构建包括生成器网络G和判别器网络D的肿瘤分割引导的磁共振图像翻译模型；加载训练数据集并对于构建好的肿瘤分割引导的磁共振图像翻译模型进行迭代训练；预测阶段生成器网络G输入源模态数据，将其翻译为目标模态的形态输出；其系统、设备及介质能够基于所述肿瘤分割引导的磁共振图像翻译方法，进行多模态磁共振图像生成；本发明获取了更高的相似度指标的同时，病例区域的视觉效果也更加真实纹理更收敛。

主权项：1.一种肿瘤分割引导的磁共振图像翻译方法，其特征在于：具体包括以下步骤：步骤一、获取磁共振图像数据样本并进行数据预处理；步骤二、构建肿瘤分割引导的磁共振图像翻译模型，所述翻译模型包括生成器网络G和判别器网络D，生成器网络G由多模态编码器Encoder、特征映射解码器Decoder、分割头SegHead和模态翻译头TransHead构成；多模态编码器Encoder对输入的多个模态图像进行特征提取、进行多模态特征交互，并且多模态编码器Encoder输出端包含Bottleneck对多模态特征进行整合提炼，特征映射解码器Decoder将多模态编码器Encoder提取到的特征映射到翻译-分割多任务共享空间，一方面由分割头SegHead将此空间中的特征进行分割判别计算分割损失，另一方面由模态翻译头TransHead进行像素级损失、对抗损失计算，并将此空间中的特征翻译成目标模态的形式并输出图像；判别器网络D判别对其输入的图像是生成器网络G生成的还是来自数据集中的真实目标模态；步骤三、加载训练数据集并对于步骤二中构建好的肿瘤分割引导的磁共振图像翻译模型进行迭代训练，其中生成器网络G的多模态编码器Encoder和特征映射解码器Decoder使用来自分割头SegHead计算的分割损失和模态翻译头TransHead计算的像素级损失、对抗损失共同进行训练更新参数，分割头使用分割损失函数进行训练，模态翻译头TransHead使用像素级损失函数和对抗损失函数进行训练；判别器网络D则通过对抗损失同生成器网络交替训练更新直至训练的当前迭代轮数t达到了预设的最大迭代轮数停止并将生成器网络G和判别器网络D的肿瘤分割引导的磁共振图像翻译模型保存；步骤四、使用步骤三训练结束保存的肿瘤分割引导的磁共振图像翻译模型，加载测试集，输入测试集中的源模态图像数据，生成器网络G输出生成的目标模态图像；将源模态、生成目标模态、真实目标模态的图像保存为BMP图片格式并进行PSNR、SSIM相似度指标的计算评估。

全文数据：

权利要求：

百度查询： 西安电子科技大学 一种肿瘤分割引导的磁共振图像翻译方法、系统、设备及介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD