公开(公告)号：CN116823777A

公开(公告)日：2023-09-29

申请号：CN202310794993.3

申请日：2023-06-30

Applicant: 复旦大学

Inventor： 韩舒凉 ,  冯瑞

IPC: G06T7/00 ,  G06T5/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提供了一种基于形变校正一致性的颅脑磁共振影像模态转换方法，具有这样的特征，包括以下步骤：步骤S1，对源模态影像进行预处理操作，得到预处理源模态影像；步骤S2，构建生成对抗网络，再根据现有的多张以加权方式A成像的颅脑磁共振影像和对应的以加权方式B成像的颅脑磁共振影像构建训练集对生成对抗网络进行训练，再根据训练好的生成对抗网络构建模态转换模型；步骤S3，将预处理源模态影像输入模态转换模型，得到目标模态影像。总之，本方法能够生成具有更高精度的模态转换影像。

公开(公告)号：CN113205567A

公开(公告)日：2021-08-03

申请号：CN202110446744.6

申请日：2021-04-25

Applicant: 复旦大学 ,  珠海复旦创新研究院

Inventor： 韩舒凉 ,  冯瑞

IPC: G06T11/00 ,  G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度学习的MRI影像合成CT影像的方法，用于在已有MRI影像的基础上，通过深度学习中的全卷积神经网络与对抗式生成网络，以监督学习训练的方式跨模态生成相应的伪CT影像，具体包括如下步骤：步骤S1，选取原始MRI影像作和原始CT影像分别作为浮动影像以及和参考影像，而后进行N4偏置校正和标准化获得预处理后的MRI及CT影像；步骤S2，采用预处理MRI影像和预处理CT影像训练用于MRI影像合成CT影像的对抗式生成网络模型；步骤S3，将预处理MRI影像输入MRI影像合成CT影像的对抗式生成网络模型，从而将预处理MRI影像转换为合成CT影像。