申请/专利权人:哈尔滨工业大学
申请日:2024-04-08
公开(公告)日:2024-06-25
公开(公告)号:CN118247374A
主分类号:G06T11/00
分类号:G06T11/00;G06T7/00;G06V10/26;G06V10/774;G06V10/82;G06N3/0455;G06N3/0464;G06N3/0475;G06N3/047;G06N3/094;G06N3/084;G16H30/20
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:一种基于对抗概率扩散模型的医学图像生成方法,它属于图像生成技术领域。本发明解决了现有医学图像生成方法存在的生成图像效率低、清晰度低以及无法确保真实性的问题。本发明具体为:步骤S1、分别统计每张患病医学图像中病灶区域所占的像素数量;步骤S2、分别为每张患病医学图像生成病灶区域所占像素数量的变化序列;步骤S3、构建医学图像生成模型,利用各张患病医学图像以及为各张患病医学图像生成的病灶区域所占像素数量变化序列对医学图像生成模型进行训练;步骤S4、将健康医学图像作为训练好的医学图像生成模型的对抗概率扩散模块的输入,生成患病医学图像。本发明可以应用于图像生成技术领域。
主权项:1.一种基于对抗概率扩散模型的医学图像生成方法,其特征在于,所述方法具体包括以下步骤:步骤S1、对各张患病医学图像分别进行预处理,即分别统计每张患病医学图像中病灶区域所占的像素数量;步骤S2、对于步骤S1中的任意一张患病医学图像x0,将该张患病医学图像中病灶区域所占像素数量记为C′0,并为该张患病医学图像生成病灶区域所占像素数量的变化序列C={C′1,…,C′t,…,C′T};同理,分别对每张患病医学图像进行处理,即为每张患病医学图像分别生成病灶区域所占像素数量的变化序列;步骤S3、构建包括对抗概率扩散模块、分割网络和分类器的医学图像生成模型,利用各张患病医学图像以及为各张患病医学图像生成的病灶区域所占像素数量变化序列对医学图像生成模型进行训练;步骤S4、将健康医学图像作为训练好的医学图像生成模型的对抗概率扩散模块的输入,输入的健康医学图像在对抗概率扩散模块内反向传输,生成患病医学图像。
全文数据:
权利要求:
百度查询: 哈尔滨工业大学 一种基于对抗概率扩散模型的医学图像生成方法
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。