[发明专利]基于循环生成对抗网络CycleGAN模型的跨模态MR影像互生成方法

权利要求书

1.一种基于循环生成对抗网络CycleGAN的跨模态MR影像互生成方法，其特征在于，包括如下步骤：

步骤S1，将待使用MR影像进行预处理，得到源模态MR影像；

步骤S2，将所述源模态MR影像输入训练好的循环生成对抗网络CycleGAN模型中，得到目标模态的MR影像，

其中，所述循环生成对抗网络CycleGAN模型的训练过程如下：

步骤A1，构建循环生成对抗网络CycleGAN模型；

步骤A2，将未配对的训练用源模态MR影像集合作为训练集输入到所述循环生成对抗网络CycleGAN模型中，对所述循环生成对抗网络CycleGAN模型进行训练，得到所述训练好的循环生成对抗网络CycleGAN模型，

所述循环生成对抗网络CycleGAN模型包括生成器和判别器，

所述生成器的输入为源模态MR影像，输出为目标模态的MR影像，

所述判别器的输入为所述生成器输出的所述目标模态的MR影像，输出为概率值，所述概率值用于对所述所述生成器输出的所述目标模态的MR影像进行真假判别。

2.根据权利要求1所述的基于循环生成对抗网络CycleGAN的跨模态MR影像互生成方法，其特征在于：

其中，所述步骤A2包括如下子步骤：

步骤A2-1，选取所述训练集中的训练用源模态MR影像输入所述循环生成对抗网络CycleGAN模型并进行一次迭代；

步骤A2-2，采用最后一层的模型参数分别计算，得出损失误差，并将所述损失误差反向传播更新所述循环生成对抗网络CycleGAN模型的参数；

步骤A2-3，选取不同训练集重复步骤步骤A2-1和步骤A2-2直至达到训练完成条件，得到所述训练好的循环生成对抗网络CycleGAN模型。

3.根据权利要求1所述的基于循环生成对抗网络CycleGAN的跨模态MR影像互生成方法，其特征在于：

其中，所述生成器包括依次设置的生成器输入层、卷积层、9个残差块以及反卷积层，

所述生成器输出的所述目标模态的MR影像与所述生成器的输入的源模态MR影像为相同尺寸大小。

4.根据权利要求1所述的基于循环生成对抗网络CycleGAN的跨模态MR影像互生成方法，其特征在于：

其中，所述判别器包括依次设置的判别器输入层、全连接层以及归一化层。