买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安电子科技大学

摘要：本发明提供一种用于多模态影像增强与配准的模型训练方法及配准方法，训练方法包括：获取待处理的MR影像序列和待处理的CT影像序列，根据待处理MR影像和待处理CT影像的互信息得到M组匹配影像对，并选取若干组匹配影像对作为训练集；在训练集中选取两张待处理MR影像、一张待处理CT影像，将所选取的两张待处理MR影像、一张待处理CT影像以及一张高斯噪声影像共同输入至待训练的目标影像序列增强模型中，以对待训练的目标影像序列增强模型进行训练，得到训练好的目标影像序列增强模型。本发明所得到的训练好的目标影像序列增强模型可以生成与CT影像匹配的MR影像，有利于提高影像三维重建的精度。

主权项：1.一种用于多模态影像增强与配准的模型的训练方法，其特征在于，所述训练方法包括：获取待处理的MR影像序列和待处理的CT影像序列，其中，所述待处理的MR影像序列包括按顺序排列的M张待处理MR影像，所述待处理的CT影像序列包括按顺序排列的N张待处理CT影像，M和N均为大于0的整数；根据所述待处理MR影像和所述待处理CT影像的互信息，得到M组匹配影像对，并从M组所述匹配影像对中选取若干组所述匹配影像对作为训练集，每组所述匹配影像对包括相互匹配的一张待处理MR影像和一张所述待处理CT影像；在所述训练集中选取两张待处理MR影像、一张待处理CT影像，将所选取的两张待处理MR影像、一张待处理CT影像以及一张高斯噪声影像共同输入至待训练的目标影像序列增强模型中，以对所述待训练的目标影像序列增强模型进行训练，得到训练好的目标影像序列增强模型，所述训练好的目标影像序列增强模型用于对待配准CT影像进行匹配，得到配准的MR影像；其中，在所述训练集中选取的两张待处理MR影像与所选取的待处理CT影像均不匹配；目标影像序列增强模型为基于生成对抗网络的模型，其中，所述目标影像序列增强模型包括生成器和判别器，所述生成器包括编码器、特征提取单元和解码器；在所述训练集中选取两张待处理MR影像、一张待处理CT影像，将所选取的两张待处理MR影像、一张待处理CT影像以及一张高斯噪声影像共同输入至待训练的目标影像序列增强模型中，以对所述待训练的目标影像序列增强模型进行训练，得到训练好的目标影像序列增强模型，包括：在所述训练集中选取两张待处理MR影像、一张待处理CT影像，将所选取的两张待处理MR影像、一张待处理CT影像以及一张高斯噪声影像输入至所述编码器，得到所述高斯噪声影像对应的第一特征矩阵、两张所述待处理MR影像分别对应的第二特征矩阵、第三特征矩阵和所述待处理CT影像对应的第四特征矩阵；将所述第一特征矩阵、所述第二特征矩阵、所述第三特征矩阵和所述第四特征矩阵输入至所述特征提取单元，得到待解码特征矩阵；将所述待解码特征矩阵输入至所述解码器，得到第一MR增强影像；基于所述第一MR增强影像和待配准的待处理MR影像构建的动态差分损失函数，以反向传播方式调整所述待训练的目标影像序列增强模型的参数，得到初步训练好的目标影像序列增强模型，并得到所述初步训练好的目标影像序列增强模型输出的第二MR增强影像；其中，所述待配准的待处理MR影像为从所述训练集中选取的，且处于输入至所述待训练的目标影像序列增强模型的两张待处理MR影像之间，输入至所述待训练的目标影像序列增强模型的待处理CT影像与待配准的待处理MR影像处于同一组所述匹配影像对中；将所述第二MR增强影像输入至所述判别器，以根据所述判别器的判别结果得到所述训练好的目标影像序列增强模型；其中，所述动态差分损失函数表示为： ；其中，表示动态差分损失函数，表示待配准的待处理MR影像，表示第一MR增强影像，表示生成器的目标是从到的映射，表示对第一MR增强影像中的第个像素点进行期望操作，表示第一MR增强影像的概率分布，表示待配准的待处理MR影像中像素点的数量，表示生成器将待配准的待处理MR影像中的第个像素点映射到第一MR增强影像后的结果的差异，表示所有的平均值。

全文数据：

权利要求：

百度查询： 西安电子科技大学 用于多模态影像增强与配准的模型训练方法及配准方法