一种双期CT图像双向合成模型的确定方法

本申请涉及医学影像合成领域，特别是涉及一种双期ct图像双向合成模型的确定方法。

背景技术：

1、在临床实践中，双期ct成像（动脉期ct图像和门静脉期ct图像）是评估直肠癌的关键影像学手段。动脉期ct图像能清晰显示肿瘤的新生血管，门静脉期ct图像则能更好地展示肿瘤实质强化及与周围组织的关系，两种图像提供互补的诊断信息。然而，现有双期ct成像技术存在以下显著缺陷：1）患者需要接受两次扫描，增加了辐射暴露和碘造影剂的潜在风险；2）两次扫描间存在的呼吸、心跳等生理运动导致图像配准困难，严重影响后续融合分析的准确性；3）扫描流程耗时，对医疗资源和患者配合度要求较高。

2、医学图像合成已成为一种有前途的替代方案，其核心目标是从单期图像中合成另一期图像。然而，现有基于生成对抗网络（gan）的方法，多侧重于维持图像整体的视觉真实性或循环一致性，缺乏对医学诊断至关重要的解剖结构对应关系的显式建模与约束。这导致合成图像可能在视觉上逼真，但在肿瘤边缘、微小血管等关键诊断区域出现结构性失真或空间错位，无法满足临床诊断对解剖精确性的严苛要求。同时，医学图像固有的噪声、伪影以及不同患者间巨大的解剖变异性，也对现有模型的鲁棒性和泛化能力构成考验。

技术实现思路

1、本申请的目的是提供一种双期ct图像双向合成模型的确定方法，可基于单期ct图像高质量合成另一期相ct图像，在显著降低临床辐射与造影剂风险的同时，提升合成图像在病灶等关键解剖区域的结构保真度与模型对图像噪声及个体差异的鲁棒性。

2、为实现上述目的，本申请提供了如下方案：

3、第一方面，本申请提供了一种双期ct图像双向合成模型的确定方法，包括：

4、构建数据集。所述数据集中包括多组双期ct图像；每组双期ct图像包括同一患者的一张原始动脉期ct图像和一张原始门静脉期ct图像。

5、对所述数据集中每一组所述双期ct图像进行预处理，得到训练数据集，并为每一图像生成至少一个以病灶区域为中心的锚点坐标。

6、构建双期ct图像双向合成模型。

7、基于所述训练数据集，通过复合损失函数对所述双期ct图像双向合成模型进行训练，得到训练好的双期ct图像双向合成模型。所述复合损失函数由对抗损失、循环一致性损失以及成对项约束损失构成。所述训练好的双期ct图像双向合成模型包括训练好的第一生成器和训练好的第二生成器。所述训练好的第一生成器用于将临床动脉期ct图像转换为预测门静脉期ct图像。所述训练好的第二生成器用于将临床门静脉期ct图像转换为预测动脉期ct图像。

8、根据本申请提供的具体实施例，本申请具有了以下技术效果：

9、本申请提供了一种双期ct图像双向合成模型的确定方法，训练得到的双期ct图像双向合成模型能够基于单期ct图像（动脉期或门静脉期）直接生成另一期相的ct图像，从而无需对同一患者进行两次扫描，避免了辐射暴露、造影剂风险、运动配准困难以及医疗资源消耗问题。

10、在双期ct图像双向合成模型中生成器的瓶颈层中集成了上下文丢弃模块，该模块根据锚点坐标在编码器输出的特征图上生成局部丢弃掩码并进行随机屏蔽；同时复合损失函数中包含了成对项约束损失。通过这两项机制，模型在训练时被迫关注病灶区域及其周围的特征对应关系，并显式惩罚双期图像在对应位置上的不一致性，从而提升了合成图像在关键诊断区域的结构准确性。并且，上下文丢弃模块通过随机屏蔽特征图的方式模拟信息缺失，使得模型能够适应输入图像中的局部变化，增强了对不同图像质量和解剖差异的处理能力。

1.一种双期ct图像双向合成模型的确定方法，其特征在于，所述确定方法包括：

2.根据权利要求1所述的双期ct图像双向合成模型的确定方法，其特征在于，所述双期ct图像双向合成模型包括第一生成器、第二生成器、第一判别器和第二判别器；所述第一生成器的第一输出端与所述第二生成器的第二输入端连接；

3.根据权利要求2所述的双期ct图像双向合成模型的确定方法，其特征在于，基于所述训练数据集，通过复合损失函数对所述双期ct图像双向合成模型进行训练，得到训练好的双期ct图像双向合成模型，具体包括：

4.根据权利要求3所述的双期ct图像双向合成模型的确定方法，其特征在于，根据所述复合损失函数值调整所述双期ct图像双向合成模型的网络参数，具体包括：

5.根据权利要求2所述的双期ct图像双向合成模型的确定方法，其特征在于，所述第一生成器的编码器的输出端连接所述第一生成器的瓶颈层的输入端，所述第一生成器的瓶颈层的输出端连接所述第一生成器的解码器的输入端；所述第一生成器的编码器包括依次串联的多个下采样单元，每一所述下采样单元由一个卷积块和一个下采样层串联构成；所述第一生成器的解码器包括依次串联的多个上采样单元，每一所述上采样单元由一个卷积块和一个上采样层串联构成。

6.根据权利要求5所述的双期ct图像双向合成模型的确定方法，其特征在于，所述第一生成器和所述第二生成器各自还包括多个跳跃连接；除最深层下采样单元外，每一所述跳跃连接用于将所述编码器中任一下采样单元输出的第一特征图，与所述解码器中对应层级的上采样单元输出的第二特征图进行融合，得到融合特征图，并将所述融合特征图作为所述解码器中对应层级的上采样单元的输出。

7.根据权利要求1所述的双期ct图像双向合成模型的确定方法，其特征在于，所述第一判别器的结构和所述第二判别器的结构相同；所述第一判别器包括依次串联的多个下采样单元以及一卷积单元；每一所述下采样单元由一个卷积块和一个下采样层串联构成；所述卷积单元包括串联的两个卷积层，所述卷积单元与最后一个下采样单元的输出端连接。

8.根据权利要求2所述的双期ct图像双向合成模型的确定方法，其特征在于，所述第一生成器包括第一上下文丢弃模块；

9.根据权利要求8所述的双期ct图像双向合成模型的确定方法，其特征在于，所述第一操作，具体包括：

10.根据权利要求3所述的双期ct图像双向合成模型的确定方法，其特征在于，所述复合损失函数值的计算公式为：