CN113935895B 医学图像的处理方法、装置、存储介质及处理器 （福建自贸试验区厦门片区Manteia数据科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN113935895B(45)授权公告日2025.07.04

(21)申请号202111095583.7

(22)申请日2021.09.17

(65)同一申请的已公布的文献号申请公布号CN113935895A

(43)申请公布日2022.01.14

(73)专利权人福建自贸试验区厦门片区Manteia数据科技有限公司

地址361013福建省厦门市象屿路93号厦

门国际航运中心C栋4层431单元A之十

(72)发明人周琦超孔令轲

(74)专利代理机构北京康信知识产权代理有限责任公司11240

专利代理师周春枚

(51)Int.CI.

GO6T

GO6T

G06T

GO6N

GO6N

GO6N

GO6N

GO6N

3/04(2024.01)7/00(2017.01)

7/30(2017.01)3/045(2023.01)

3/0464(2023.01)

3/0475(2023.01)

3/094(2023.01)

3/09(2023.01)

(56)对比文件

CN110021037A,2019.07.16

CN111047629A,2020.04.21

审查员王聪

权利要求书2页说明书10页附图2页

(54)发明名称

医学图像的处理方法、装置、存储介质及处

理器

(57)摘要

CN113935895B本申请公开了一种医学图像的处理方法、装置、存储介质及处理器。该方法包括：获取第一模态的医学图像；将第一模态的医学图像通过配准生成对抗网络进行转换，得到第二模态的医学图像，其中，配准生成对抗网络是由生成式对抗网络训练得到，生成式对抗网络中的生成模型与目标配准网络进行联合训练来自适应的拟合第一模态的医学图像中未对齐的噪声分布，第一模态

CN113935895B

获取第一模态的医学图像

将第一模态的医学图像通过配准生成对抗网络进行转换，得到第二模态的医学图像

S101

S102

CN113935895B权利要求书1/2页

2

1.一种医学图像的处理方法，其特征在于，包括：

获取第一模态的医学图像；

将所述第一模态的医学图像通过配准生成对抗网络进行转换，得到第二模态的医学图像，其中，所述配准生成对抗网络是由生成式对抗网络训练得到，所述生成式对抗网络中的生成模型与目标配准网络进行联合训练来自适应的拟合所述第一模态的医学图像中未对齐的噪声分布，所述第一模态和所述第二模态不同；

其中，在将所述第一模态的医学图像通过配准生成对抗网络进行转换之前，所述方法还包括：获取医学样本图像对，其中，所述医学样本图像对中包括：第一模态的医学样本图像和第二模态的医学样本图像；将所述第一模态的医学样本图像输入生成模型中，得到转换后的第二模态的医学样本图像；采用所述第二模态的医学样本图像通过所述目标配准网络对所述转换后的第二模态的医学样本图像进行配准，得到配准后的第二模态的医学样本图像；根据配准后的第二模态的医学样本图像调整所述生成模型的参数，以得到所述配准生成对抗网络；

其中，所述方法还包括：通过所述配准生成对抗网络中的生成模型对所述第一模态的医学图像转换，得到转换后的第二模态的医学图像，然后将转换后的第二模态的医学图像通过所述目标配准网络进行配准，最终得到所述第二模态的医学图像。

2.根据权利要求1所述的方法，其特征在于，根据配准后的第二模态的医学样本图像调整所述生成模型的参数，以得到所述配准生成对抗网络包括：

计算所述配准后的第二模态的医学样本图像和所述第二模态的医学样本图像的相似

度；

基于所述相似度调整所述生成模型的参数，以得到所述配准生成对抗网络。

3.根据权利要求1所述的方法，其特征在于，采用所述第二模态的医学样本图像通过所述目标配准网络对所述转换后的第二模态的医学样本图像进行配准，得到配准后的第二模态的医学样本图像包括：

在所述目标配准网络中，采用平滑损失函数约束形变场，其中，所述形变场作用于所述转换后的第二模态的医学样本图像上，使得所述转换后的第二模态的医学样本图像与所述第二模态的医学样本图像进行配准，得到所述配准后的第二模态的医学样本图像。

4.根据权利要求2所述的方法，其特征在于，在得到转换后的第二模态的医学样本图像之后，所述方法还包括：

将所述转换后的第二模态的医学样本图像和所述第二模态的医学样本图像输入判别