一种基于医学图像处理的层间插值方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113706379A(43)申请公布日2021.11.26(21)申请号202110866378.X(22)申请日2021.07.29(71)申请人山东财经大学地址250000山东省济南市历下区二环东路7366号(72)发明人刘慧孙龙飞林毓秀李钰(74)专利代理机构济南舜源专利事务所有限公司37205代理人赵阳(51)Int.Cl.G06T3/40(2006.01)G06T11/00(2006.01)G06T7/00(2017.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书10页附图4页(54)发明名称一种基于医学图像处理的层间插值方法及系统(57)摘要本发明提供一种基于医学图像处理的层间插值方法及系统，方法使用生成式对抗网络将医学图像转换成连续二值图；基于自适应分离卷积网络对连续二值图插值进行处理生成中间二值图；使用生成式对抗网络将中间二值图映射回其对应的原图像。本发明解决了传统的自适应可分离卷积网络运行过程需要消耗大量计算能力和存储使用量的缺陷。本发明在图像转换模块生成网络中的解码阶段使用双线性上采样模块去除传统生成网络生成图像中的棋盘状伪影以实现医学图像和其相对应的二值图像之间的循环映射。在插值模块中使用专门应用于医学图像的损失函数替代传统的逐像素损失函数来保留生成图像的边缘以避免图像模糊,并进一步提高生成图像的质量。CN113706379ACN113706379A权利要求书1/2页1.一种基于医学图像处理的层间插值方法，其特征在于，方法包括：使用生成式对抗网络将医学图像转换成连续二值图；基于自适应分离卷积网络对连续二值图插值进行处理生成中间二值图；使用生成式对抗网络将中间二值图映射回其对应的原图像。2.根据权利要求1所述的基于医学图像处理的层间插值方法，其特征在于，配置对抗损失函数，循环一致性损失函数以及恒等映射损失函数；对抗损失函数用于使生成图像中的数据分布与目标域中的数据分布相匹配；循环一致性损失函数用于防止学习的映射生成器G_A和生成器G_B相互矛盾；恒等映射损失函数用于使生成图像的风格以及色调到达预设的目标域范围。3.根据权利要求2所述的基于医学图像处理的层间插值方法，其特征在于，用最小平方损失函数定义对抗损失函数为等式(8):式中的Pdata表示数据分布,其中G_A生成和目标域B中样本b难以区分的输出G_A(a)；D_B为区分生成后的样本G_A(a)和目标域样本b；配置映射函数G_B：b→a及其鉴别器D_A引入了类似的对抗损失:Lgan(G_Β,D_A,B,A)。4.根据权利要求3所述的基于医学图像处理的层间插值方法，其特征在于，循环一致性损失函数对自域A的每个图像a进行循环转换，将图像a转换到原始图像；即a→G_A(a)→G_B(G_A(a))≈a,称此为前向循环一致性；循环一致性损失函数对自域B的每个图像b进行循环转换，将图像b转换到原始图像；G_A和G_B还满足后向循环一致性：b→G_B(b)→G_A(G_B(b))≈b；使用周期一致性损失来激励循环转换行为,将循环一致性损失函数定义为等式(2)：基于恒等映射损失函数使生成器G_A生成域B风格中的图像，将域B中的样本b输入到生成器G_A中；对G_A(b)和b做差来提高生成图像和目标图像在风格和色调上的相似性；定义损失函数为(3)：5.根据权利要求4所述的基于医学图像处理的层间插值方法，其特征在于，定义完整的损失函数如等式(4):其中,α和β是为了控制各目标函数之间的平衡；2CN113706379A权利要求书2/2页使用完整的损失函数优化图像转换模块,图像转换模块的优化目标为6.根据权利要求1所述的基于医学图像处理的层间插值方法，其特征在于，使用L1函数来优化U型网络；通过等式(6)计算L1损失函数，预测帧和其对应的真实帧It之间的像素级差异：其中,N表示训练样本的个数,在本模块中取值为1。7.根据权利要求6所述的基于医学图像处理的层间插值方法，其特征在于，基于不同的特征提取器对图像进行特征提取；使用不同的损失函数计算高级特征之间的差异；函数定义采用等式(7)，其中φ表示对图像的高维特征提取,N、以及It与等式(6)中所定义的相同，按经验ε取值为1e‑3:8.一种基于医学图像处理的层间插值系统，其特征在于，包括：图像转换模块、差值模块以及映射模块；图像转换模块用于使用生成式对抗网络将医学图像转换成连续二值图；插值模块用于基于自适应分离卷积网络对连续二值图插值进行处理生成中间二值图；映射模块用于使用生成式对抗网络将中间二值图映射回其对应的原图像。9.根据权利要求8所述的基于医学图像处理的层间插值系统，其特征在于，图像转换模块还用于先使