买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学长三角研究院(衢州)

摘要：本发明公开了一种基于混合损失函数扩散模型的增强CT图像生成方法及装置，该方法包括：采集CT图像数据及其配对的造影剂增强CT图像数据，并采用数据增强方法和面向数据的正则化方法对其进行预处理，以按比例划分为训练集、测试集和验证集；构建用于生成造影剂增强CT图像的扩散模型；使用训练集对扩散模型进行迭代训练，基于混合损失函数调整扩散模型的参数，以获取训练好的扩散模型；将测试集中的CT图像数据输入至训练好的扩散模型中，得到对应的造影剂增强CT图像数据。本发明能够生成清晰可靠的造影剂增强CT图像，能够更好地捕捉数据分布的特征，提高了对不同特征的感知能力，增强了合成图像的质量，提高了模型的泛化性。

主权项：1.一种基于混合损失函数扩散模型的增强CT图像生成方法，其特征在于，包括以下步骤：1采集CT图像数据及其配对的造影剂增强CT图像数据，并采用数据增强方法和面向数据的正则化方法对其进行预处理；2将预处理后的CT图像数据及其配对的造影剂增强CT图像数据按比例划分为训练集、测试集和验证集；3构建用于生成造影剂增强CT图像的扩散模型；所述用于生成造影剂增强CT图像的扩散模型为线性扩散模型或非线性扩散模型；其中，所述用于生成造影剂增强CT图像的扩散模型为非线性扩散模型；所述非线性扩散模型用于对CT图像以及与其配对的造影剂增强CT图像之间的特征映射关系进行建模，以捕获CT图像和造影剂增强CT图像之间的映射关系，实现造影剂增强CT图像的生成；所述非线性扩散模型包括编码器、隐层和解码器；所述非线性扩散模型包括扩散过程和逆扩散过程；在扩散过程中，原始CT图像数据输入到非线性扩散模型中，依次经过编码器和隐层后，在时间点t处生成一个高斯噪声样本，再经过解码器后，将高斯噪声样本添加到原始CT图像中，得到带有高斯噪声的CT图像；该过程是通过对噪声图像序列进行迭代重复完成的，每次迭代均在原始CT图像上叠加部分高斯噪声；逆扩散过程与扩散过程完全相反，在逆扩散过程中，将扩散过程中最后一次迭代得到的带有高斯噪声的CT图像数据输入到非线性扩散模型中，依次经过解码器、隐层和编码器逐步进行降噪操作以恢复每个时间点的CT图像，经过多次迭代后，输出造影剂增强CT图像数据；4使用训练集对扩散模型进行迭代训练，训练过程中基于混合损失函数调整扩散模型的参数，以获取训练好的扩散模型；其中，所述混合损失函数具体包括：采用像素级对比损失函数、结构相似性指标损失函数和感知损失函数作为混合损失函数的组成部分，通过对不同类型的损失函数进行加权组合，获得线性非线性扩散模型的混合损失函数，其表达式为：Lmixed＝α·Lpixel+β·Lssim+γ·Lperceptual式中，Lmixed表示线性非线性扩散模型的混合损失函数，Lpixel表示像素级对比损失函数，Lssim表示结构相似性指标损失函数，Lperceptual表示感知损失函数，α、β和γ分别表示像素级对比损失函数、结构相似性指标损失函数和感知损失函数的权重；5将测试集中的CT图像数据输入至训练好的扩散模型中，得到对应的造影剂增强CT图像数据。

全文数据：

权利要求：

百度查询： 电子科技大学长三角研究院(衢州) 基于混合损失函数扩散模型的增强CT图像生成方法及装置