公开(公告)号：CN115311182A

公开(公告)日：2022-11-08

申请号：CN202210941692.4

申请日：2022-08-08

Applicant: 广东工业大学

Inventor： 罗玉 ,  张绍玮 ,  凌捷 ,  柳毅

IPC: G06T5/50 ,  G06T5/00 ,  G06T7/10 ,  G06V10/762

Abstract: 本发明公开了一种基于深度学习的MR图像合成CT图像的方法及系统，方法包括：S1.获取MRI图像数据和CT图像数据并进行预处理；S2.使用K‑means算法对预处理后的CT图像进行骨骼位置进行标记，得到对应的二值掩膜图像；S3.利用得到二值掩膜图像提取CT图像的骨骼、非骨骼部分图像；S4.建立基于GAN的MR转CT的深度学习网络模型；S5.构建所述网络模型的损失函数，所述损失函数包括生成对抗损失Ladv、像素级L1损失Loix、二值交叉熵损失LBCE；S6.预处理后的MRI图像数据输入至基于GAN的MR转CT的深度学习网络模型，输出CT图像。本发明充分利用CT图像不同部位的像素分布差异进行CT图像合成，提高了CT图像合成质量。

公开(公告)号：CN115375599A

公开(公告)日：2022-11-22

申请号：CN202211030113.7

申请日：2022-08-26

Applicant: 广东工业大学

Inventor： 罗玉 ,  张绍玮 ,  凌捷 ,  柳毅

IPC: G06T5/50

Abstract: 本申请实施例提供的一种基于域适应的MR图像合成CT图像的合成方法及系统，该方法包括确定目标MRI图像、目标CT图像；按照预设的切面大小沿着目标切片方向进行切片操作，得到MRI切片图像、以及CT切片图像，目标切片方向包括横断面方向、冠状面方向以及矢状面方向中的至少一种；构建初始CT图像合成模型，将MRI切片图像输入到初始CT图像合成模型中进行模型训练，训练过程中，将输入图像投影到公共特征子空间中，通过相关距离度量，减少不同切片方向上图像的分布差异性；在结束模型训练时，得到目标CT图像合成模型，将获取到的待处理MRI图像进行切片操作后，将得到的切片图像输入到目标CT图像合成模型中，得到所需的合成CT图像。