公开(公告)号：CN116402865A

公开(公告)日：2023-07-07

申请号：CN202310661495.1

申请日：2023-06-06

Applicant: 之江实验室

Inventor： 张楚杰 ,  刘婧 ,  杨玉林 ,  赵嘉玥 ,  陈延伟 ,  童若锋 ,  林兰芬 ,  李劲松

IPC: G06T7/30 ,  G06N3/088

Abstract: 本发明公开了一种利用扩散模型的多模态影像配准方法、装置和介质，该方法首先获取MR图像和CT图像并进行预处理，以构建数据集；然后构建跨模态的生成网络和可变形配准网络，进一步构建跨模态配准网络模型，并基于数据集对该模型进行训练；再使用数据集通过评估指标对训练好的跨模态配准网络模型的性能进行评估，并根据评估结果进一步调整模型参数，以获取最优跨模态配准网络模型；最后获取最优跨模态配准网络模型中的最优可变形配准网络，将待配准图像输入最优可变形配准网络中以获取配准后的图像。本发明包含了利用扩散思想的无判别器的生成模型，有助于减少生成图像的不一致性和伪影，提高多模态配准的结果，提高生成图像的质量。

公开(公告)号：CN115830163A

公开(公告)日：2023-03-21

申请号：CN202211468324.9

申请日：2022-11-22

Applicant: 之江实验室

Inventor： 张楚杰 ,  刘婧 ,  杨玉林 ,  赵嘉玥 ,  陈延伟 ,  童若锋 ,  林兰芬 ,  李劲松

IPC: G06T11/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于深度学习的确定性引导的渐进式医学图像跨模态生成方法和装置，包括：获取对同一部位拍摄的真实CT图像和真实MR图像并构建样本数据，以CycleGAN为基准，通过增加多尺度MR器官区域判别器和/或多尺度MR病灶区域判别器，形成跨模态生成框架；构建损失函数时，增加基于MR器官区域的对抗损失函数和/或基于MR病灶区域的对抗损失函数，形成跨模态生成框架的总损失函数；利用总损失函数对跨模态生成框架进行参数优化，这样采用由单一判别器到多个不同复杂度的判别器的渐进式对抗生成网络，以确定性引导为目的，专注于器官区域和/或病灶区域等目标区域，生成更高质量的图像。

公开(公告)号：CN116402865B

公开(公告)日：2023-09-15

申请号：CN202310661495.1

申请日：2023-06-06

Applicant: 之江实验室

Inventor： 张楚杰 ,  刘婧 ,  杨玉林 ,  赵嘉玥 ,  陈延伟 ,  童若锋 ,  林兰芬 ,  李劲松

IPC: G06T7/30 ,  G06N3/088

Abstract: 本发明公开了一种利用扩散模型的多模态影像配准方法、装置和介质，该方法首先获取MR图像和CT图像并进行预处理，以构建数据集；然后构建跨模态的生成网络和可变形配准网络，进一步构建跨模态配准网络模型，并基于数据集对该模型进行训练；再使用数据集通过评估指标对训练好的跨模态配准网络模型的性能进行评估，并根据评估结果进一步调整模型参数，以获取最优跨模态配准网络模型；最后获取最优跨模态配准网络模型中的最优可变形配准网络，将待配准图像输入最优可变形配准网络中以获取配准后的图像。本发明包含了利用扩散思想的无判别器的生成模型，有助于减少生成图像的不一致性和伪影，提高多模态配准的结果，提高生成图像的质量。