公开(公告)号：CN110458786B

公开(公告)日：2022-05-17

申请号：CN201910700326.8

申请日：2019-07-31

Applicant: 重庆邮电大学

Inventor： 郑申海 ,  房斌 ,  李腊全

IPC: G06T5/50 ,  G06T11/00 ,  G06V10/77 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种先验GAN模型医学影像生成方法，具体涉及医学影像合成领域，包括以下步骤：步骤一、发明一个有意义的改进模型，即先验条件生成对抗网络PCGAN；步骤二、利用DGAN的思想，优化生成网络G和判别网络D；步骤三、通过主成分分析方法PCA构建器官的二维或三维形状空间，生成具有物理意义解释的标签图；步骤四、用优化的网络参数和先验标签生成医学影像。本发明用PCA生成具有物理意义解释的标签图，减少或取消后期专家参与数据标注，从而建立一个合成影像数据库，一定程度上解决基于数据的深度学习方法的有效样本稀缺的问题，整体使得本发明能够有效降低专家的工作量，提高工作效率。

公开(公告)号：CN110458786A

公开(公告)日：2019-11-15

申请号：CN201910700326.8

申请日：2019-07-31

Applicant: 重庆邮电大学

Inventor： 郑申海 ,  房斌 ,  李腊全

IPC: G06T5/50 ,  G06T11/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种先验GAN模型医学影像生成方法，具体涉及医学影像合成领域，包括以下步骤：步骤一、发明一个有意义的改进模型，即先验条件生成对抗网络PCGAN；步骤二、利用DGAN的思想，优化生成网络G和判别网络D；步骤三、通过主成分分析方法PCA构建器官的二维或三维形状空间，生成具有物理意义解释的标签图；步骤四、用优化的网络参数和先验标签生成医学影像。本发明用PCA生成具有物理意义解释的标签图，减少或取消后期专家参与数据标注，从而建立一个合成影像数据库，一定程度上解决基于数据的深度学习方法的有效样本稀缺的问题，整体使得本发明能够有效降低专家的工作量，提高工作效率。