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：西北工业大学

摘要：本发明公开了一种用于脑肿瘤的从MRI到脑血容量定量图像的图像合成方法，包括1基于GAN的图像合成算法，该算法主要包括：基于特征一致性的GAN网络和具有平均绝对误差损失的三维编码器‑解码器网络；23D可增量的Encoder‑Decoder网络，该网络主要包括对于每一个模态都存在一个编码器和一个面向CBV模态的解码器。本发明通过提出的基于GAN的图像合成算法，可以从易获取的标准MRI序列生成磁共振成像灌注图，从而提高灌注的脑血容量来对肿瘤的进展和放射效应进行区分的方法的可实施性。同时，本发明的3D可增量的Encoder‑Decoder网络可以从许多只有少数有ASL‑CBF配对图像的受试者身上学习，从而在仅有少量ASL‑CBF配对图像的前提下生成CBV图像。

主权项：1.一种用于脑肿瘤的从MRI到脑血容量定量图像的图像合成方法，其特征在于，包括如下步骤：步骤1：MRI序列的输入序列组合；原始五个模态的数据，分别为T1WI、T2WI、ADC、T1_C、T2_C；表示从所有五种MRI序列中选择n种的MRI序列，其中n为1到5；将选择的n中MRI序列放入到不同的channel中得到一种MRI组合，一共得到31中组合，作为模型的输入；步骤2：构建生成器模块；生成器模块由编码部分、传送部分和解码部分组成；编码部分使用三个卷积层从输入图像中提取信息；传送部分使用六个残差网络块将信息从编码部分传送到解码部分；解码部分使用两个反卷积层和一个卷积层构造目标图像；将所有的卷积层和反卷积层的核大小都设置为3×3×1；步骤3：构建判别器模块；判别器模块由5个卷积层组成；判别模型的输入是合成的CBV图像或真实的CBV图像，输出结构是二进制指标，表示输入的图像是合成的还是真实的图像；步骤4：构建MAEED模块；MAEED模块主干为GAN网络中的生成器模块；将处理好的MRI序列送入到MAEED模块中，得到生成的CBV图像，之后将生成的CBV图像和真实的CBV图像计算平均绝对误差损失，从而约束网络生成与真实CBV图像更接近的CBV图像；步骤5：构建3D可增量的Encoder-Decoder网络；对于每一个模态都存在一个编码器对于CBV模态存在一个解码器多个编码器的潜在空间特征图被平均为一个混合特征图；表示有M个模态的一个受试者，A＝{a1,a2,…,aM}表示是否缺少某个模态的数据，a*＝1表示有该模态的数据，a*＝0表示没有；生成的CBV图像被表示为： 步骤6：基于3D可增量的Encoder-Decoder网络IEDN，通过相同的受试者训练带有ASL-CBF的模型，并设置aASL＝0模拟不带ASL-CBF的模型；用T1WI图像脑掩膜代替CBV图像，并重新训练IEDN以获得T1WI图像脑掩膜合成模型，这样能从任何其他模式合成T1WI图像脑掩膜；多种模式之间的协同配准将转变为同模式T1WI配准。

全文数据：

权利要求：

百度查询： 西北工业大学 用于脑肿瘤的从MRI到脑血容量定量图像的图像合成方法