CT至MRI体数据跨模态转换方法、设备、介质及程序产品

本发明涉及医学图像处理领域，具体涉及一种ct至mri体数据跨模态转换方法、设备、介质及程序产品。

背景技术：

1、在医学图像处理与计算机辅助诊断领域，计算机断层成像（ct）与磁共振成像（mri）体数据的跨模态转换技术旨在通过一种模态的图像生成另一种模态的虚拟图像，以弥补临床检查中多模态影像缺失的问题。然而，在真实临床场景的ct至mri体数据跨模态转换任务中，病灶区域往往面积较小、边缘过渡复杂且周围组织对比度不稳定。现有的跨模态转换模型通常能够较好地重建正常解剖轮廓，但往往无法稳定保留异常区域的边界、形态与灰度差异，导致生成的mri体数据难以直接应用于后续的诊断支持、治疗规划或病灶分割等下游临床任务。因此，如何在跨模态转换过程中保证病灶区域的结构完整性与语义一致性，而非仅仅满足于整体外观上的可用性，是本领域面临的重要挑战。

2、现有技术主要存在以下两方面技术瓶颈：

3、（1）现有的生成模型（如扩散模型）更倾向于拟合整体数据分布。在训练过程中，大面积的正常组织特征往往占据主导地位，极易稀释病灶相关特征的梯度贡献，导致模型对局部微小异常区域的学习不充分，生成结果容易出现病灶边界钝化或局部细节过度平滑的现象。

4、（2）公开数据集与医院真实临床数据在扫描协议、重建参数和病例构成上存在显著差异。现有方法若缺乏针对真实医院数据的域内适配机制，模型容易将设备差异、层厚差异和灰度波动等非病理因素误学习为跨模态映射的固有特征，进而导致局部异常结构的表达极不稳定。

5、综上所述，现有的ct至mri体数据跨模态转换方法在面对真实临床数据时，无法在保持全局解剖结构稳定的同时，稳定保留关键病灶区域的边界、纹理和灰度差异。如何提供一种在真实临床数据条件下能够强化病灶区域结构保真度与语义稳定性的跨模态转换方法，是本领域技术人员亟待解决的技术难题。

技术实现思路

1、本发明提供了一种ct至mri体数据跨模态转换方法、设备、介质及程序产品。

2、根据本发明的一个方面，提供了一种ct至mri体数据跨模态转换方法，包括：获取待转换ct体数据，并输入三维向量量化自编码器中的编码器进行映射，得到待转换ct潜在变量；对所述待转换ct潜在变量叠加随机扰动进行条件先验初始化，得到带噪潜在变量；将所述带噪潜在变量与所述待转换ct潜在变量共同输入基于三维u-net扩散网络得到的条件潜在空间扩散模型，在所述待转换ct潜在变量的引导下，采用跳步采样策略在由三维向量量化自编码器构建的潜在空间进行反向去噪，得到目标mri潜在变量；将目标mri潜在变量输入所述三维向量量化自编码器的解码器进行解码还原，得到保留病灶边界与纹理细节的目标mri体数据。

3、根据本发明的至少一个实施方式的ct至mri体数据跨模态转换方法，条件潜在空间扩散模型通过以下步骤获得：获取配对的原始ct体数据和原始mri体数据并进行标准化处理，得到标准ct体数据和标准mri体数据；将所述标准ct体数据和标准mri体数据分别输入三维向量量化自编码器的编码器进行映射，得到ct潜在变量和mri潜在变量；以所述ct潜在变量为条件输入，以所述mri潜在变量为去噪目标，对三维u-net扩散网络进行训练，将训练好的三维u-net扩散网络作为条件潜在空间扩散模型。

4、根据本发明的至少一个实施方式的ct至mri体数据跨模态转换方法，对三维u-net扩散网络进行训练时使用的损失函数为：基于信噪比加权的噪声预测损失与潜在变量l1重建损失构成的第一联合损失函数。

5、根据本发明的至少一个实施方式的ct至mri体数据跨模态转换方法，在获取待转换ct体数据，并输入三维向量量化自编码器中的编码器进行映射之前，还包括：对三维向量量化自编码器进行微调，包括：加载预训练权重的三维向量量化自编码器，冻结三维向量量化自编码器的编码器参数，仅对三维向量量化自编码器的解码器和量化码本进行参数更新，其中，对三维向量量化自编码器的解码器和量化码本进行参数更新时使用的损失函数为：由重建损失、向量量化损失、感知损失和三维结构相似性损失组成的第二联合损失函数，其中，重建损失采用均方误差；向量量化损失由码本损失和承诺损失加权求和得到，码本损失用于推动码本向编码器输出靠近，承诺损失用于约束编码器输出不要频繁偏离所选离散码字；感知损失通过比较高层特征空间中的差异来衡量重建结果与真实样本的语义偏移；三维结构相似性损失用于约束重建结果与真实样本在局部亮度、对比度和结构关系上的一致性。

6、根据本发明的至少一个实施方式的ct至mri体数据跨模态转换方法，所述第二联合损失函数还包括对抗损失，其中，对抗损失采用延迟启用策略，具体包括：在训练轮次小于设定阈值时，仅使用重建损失、向量量化损失、感知损失和三维结构相似性损失进行优化；在训练轮次大于或等于设定阈值时，在重建损失、向量量化损失、感知损失和三维结构相似性损失的基础上，结合对抗损失进行优化；其中，所述对抗损失配置有自适应对抗权重，所述自适应对抗权重根据重建目标与对抗目标在解码器末层上的梯度范数比值计算得到，并结合预热策略平滑放大后，用于对所述对抗损失进行加权优化。

7、根据本发明的至少一个实施方式的ct至mri体数据跨模态转换方法，获取配对的原始ct体数据和原始mri体数据并进行标准化处理，得到标准ct体数据和标准mri体数据，包括：将原始ct体数据和原始mri体数据统一转换为预设格式，并将体素间距重采样为预设物理尺度，得到第一ct体数据和第一mri体数据；对第一mri体数据执行偏置场校正，得到第二mri体数据；采用基于ants的synra配准方式，将第一ct体数据对齐至mri空间，得到第二ct体数据；对第二ct体数据中的无效区域进行替换并进行窗宽窗位限制，得到第三ct体数据；采用归一化处理，将第三ct体数据与第二mri体数据统一映射至预设强度区间，得到标准化处理后的标准ct体数据和标准mri体数据。

8、根据本发明的至少一个实施方式的ct至mri体数据跨模态转换方法，还包括：在获取配对的原始ct体数据和原始mri体数据的过程中，对获取的原始ct体数据和原始mri体数据进行总变分去噪；在进行标准化处理的过程中，采用中心裁剪或对称填充策略，将原始ct体数据和原始mri体数据调整为固定大小；在对三维u-net扩散网络进行训练的过程中，采用单轴随机减半裁剪与轴向旋转策略，每次训练随机裁剪一个空间维度，并将被裁剪轴重新映射到深度方向。

9、根据本发明的另一方面，提供了一种电子设备，包括：存储器，所述存储器存储执行指令；以及处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行本发明任一实施方式的ct至mri体数据跨模态转换方法。

10、根据本发明的再一方面，提供了一种可读存储介质，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现本发明任一实施方式的ct至mri体数据跨模态转换方法。

11、根据本发明的又一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现本发明任一实施方式的ct至mri体数据跨模态转换方法。

12、本发明通过对待转换ct潜在变量叠加随机扰动进行条件先验初始化得到带噪潜在变量，能够使反向去噪过程在与输入ct空间布局相一致的先验附近启动，降低整体解剖结构漂移的风险。通过在潜在空间进行反向去噪的过程中，持续在待转换ct潜在变量的引导下进行，使每个时间步的去噪预测始终受ct结构先验约束，能够提高病灶区域的位置一致性。通过采用跳步采样策略跨越部分中间时刻直接跳转到更早的目标时刻，能够大幅减少三维u-net扩散网络的网络调用次数，降低三维体数据的推理计算开销，实现生成质量与推理效率的合理平衡。