[发明专利]生成对抗网络训练方法、装置、计算机设备和存储介质

说明书

本申请涉及一种生成对抗网络训练方法、装置、计算机设备和存储介质。所述方法包括：获取训练样本集；所述训练样本集包括多个第一样本数据和对应的第二样本数据；所述第二样本数据对应的重建图像的层厚小于所述第一样本数据对应的重建图像的层厚；基于所述训练样本集进行神经网络训练，得到循环生成对抗网络。采用本方法训练出的循环生成对抗网络恢复准确性较高，利用该循环生成对抗网络截图解决层厚方向信息丢失问题，重建出质量较好的图像，满足分析任务的需求。

技术领域

本申请涉及数据重建技术领域，特别是涉及一种生成对抗网络训练方法、装置、计算机设备和存储介质。

背景技术

CT(Computed Tomography)，即电子计算机断层扫描，它是利用精确准直的X线束等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描。由于具有扫描时间快，图像清晰等特点，因此应用于多种疾病的检查。临床上，CT图像通常采用较大层厚(5mm)的数据进行储存以节约存储空间。但是，由于CT图像层厚较大，因此在层厚方向上存在信息丢失，无法应用于某些特定分析任务的问题。

目前，为了解决层厚方向信息丢失的问题，常采用的方式包括：先对厚层CT图像进行层间插值，并根据插值得到的图像训练出神经网络模型，然后再使用该神经网络模型进行层厚方向信息的恢复。

然而，插值计算可能会出现误差，因此训练出的神经网络模型可能出现恢复准确性低的问题，利用神经网络模型重建出的图像质量不佳，难以满足分析任务的需求。

发明内容

基于此，有必要针对上述技术问题，提供一种生成对抗网络训练方法、装置、计算机设备和存储介质，以训练出层厚方向信息恢复准确性较高的循环生成对抗网络，利用该循环生成对抗网络重建出质量较好的图像，从而满足分析任务的需求。

第一方面，本公开实施例提供了一种生成对抗网络训练方法，该方法包括：

获取训练样本集；训练样本集包括多个第一样本数据和对应的第二样本数据；第二样本数据对应的重建图像的层厚小于第一样本数据对应的重建图像的层厚；

基于训练样本集进行神经网络训练，得到循环生成对抗网络。

在其中一个实施例中，上述基于训练样本集进行神经网络训练，得到循环生成对抗网络，包括：

分别从第一样本数据和第二样本数据中选取出第一块数据和第二块数据；

基于第一块数据和第二块数据进行神经网络训练，得到循环生成对抗网络；

其中，分别从第一样本数据和第二样本数据中选取出第一块数据和第二块数据，包括：

根据第一预设尺寸分别计算第一样本数据对应的第一层数和第二样本数据对应的第二层数；

从第一样本数据中选取出与第一层数对应的第一块数据；

从第二样本数据中选取出与第二层数对应的第二块数据。

在其中一个实施例中，还包括：

根据多个第一块数据和第二块数据进行神经网络训练，得到循环生成对抗网络。

在其中一个实施例中，循环生成对抗网络包括第一生成器和第二生成器，上述基于第一块数据和第二块数据进行神经网络训练，得到循环生成对抗网络，包括：

将第一块数据输入到第一生成器进行重建，得到第一生成结果；

将第二块数据输入到第二生成器进行重建，得到第二生成结果；

将第一生成结果输入到第二生成器进行重建，得到第三生成结果；

将第二生成结果输入到第一生成器进行重建，得到第四生成结果；