公开(公告)号：CN110444277B

公开(公告)日：2023-03-28

申请号：CN201910652864.4

申请日：2019-07-19

Applicant: 重庆邮电大学

Inventor： 曾宪华 ,  张贺

IPC: G16H30/40 ,  G06T3/00 ,  G06T7/10

Abstract: 本发明请求保护一种基于多生成多对抗的多模态脑部MRI图像双向转换方法，包括：通过卷积网络将输入图像(T1/T2)与对应病理标签融合并作为转换器的输入数据；输入T1模态数据，通过T2模态转换器转换成T2模态图像；输入T2模态数据，通过T1模态转换器转换成T1模态图像；在输出图像和真实图像)之间构建对抗损失；构建循环验证损失来实现对转换器有效性的验证；在输出图像与真实图像之间构建内容损失，使结果更接近真实图像；引入边缘损失对真实图像和输出图像的边缘进行约束；将输出图像和真实图像的语义分割结果的差异作为形状损失来保持形状一致。本发明能够在多模态脑部MRI数据之间进行双向转换，同时保证了图像的纹理、结构和病理的不变性。

公开(公告)号：CN110444277A

公开(公告)日：2019-11-12

申请号：CN201910652864.4

申请日：2019-07-19

Applicant: 重庆邮电大学

Inventor： 曾宪华 ,  张贺

IPC: G16H30/40 ,  G06T3/00 ,  G06T7/10

Abstract: 本发明请求保护一种基于多生成多对抗的多模态脑部MRI图像双向转换方法，包括：通过卷积网络将输入图像(T1/T2)与对应病理标签融合并作为转换器的输入数据；输入T1模态数据，通过T2模态转换器转换成T2模态图像；输入T2模态数据，通过T1模态转换器转换成T1模态图像；在输出图像和真实图像)之间构建对抗损失；构建循环验证损失来实现对转换器有效性的验证；在输出图像与真实图像之间构建内容损失，使结果更接近真实图像；引入边缘损失对真实图像和输出图像的边缘进行约束；将输出图像和真实图像的语义分割结果的差异作为形状损失来保持形状一致。本发明能够在多模态脑部MRI数据之间进行双向转换，同时保证了图像的纹理、结构和病理的不变性。