一种基于深度学习的模态转换方法
基本信息
| 申请号 | CN202110863457.5 | 申请日 | - |
| 公开（公告）号 | CN113487657A | 公开（公告）日 | 2021-10-08 |
| 申请公布号 | CN113487657A | 申请公布日 | 2021-10-08 |
| 分类号 | G06T7/30（2017.01）I;G06T5/00（2006.01）I;G06T7/136（2017.01）I;G06N3/04（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 刘守亮;魏军;田孟秋;沈烁 | 申请（专利权）人 | 广州柏视医疗科技有限公司 |
| 代理机构 | 北京兴智翔达知识产权代理有限公司 | 代理人 | 郭卫芹 |
| 地址 | 510530广东省广州市黄埔区玉岩路12号一期办公楼306室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的模态转换方法，模态转换方法的配准方法包括以下步骤：步骤S1：采集测试病人的源域图像数据集，并预处理源域图像数据，源域图像为MR、CBCT或PET；步骤S2：构建基于深度学习的模态转换模型及训练模型，模态转换模型包括生成器模型及判别器模型；步骤S3：获取独立的测试数据，以验证模式输入在步骤S2中训练好的生成器模型，并直接生成伪CT图像；步骤S4：后处理伪CT图像。本发明的基于深度学习的模态转换方法，能够根据无监督学习从源域图像域生成CT图像域。 |
