本發(fā)明涉及影像醫(yī)學(xué)，尤其涉及一種基于多尺度特征轉(zhuǎn)換的腦卒中虛擬dwi圖像的生成方法及系統(tǒng)。

背景技術(shù)：

1、ct是急性缺血性卒中，國(guó)際指南推薦的首選影像學(xué)檢查工具，但早期缺血病灶與正常腦組織差異極小，發(fā)病8小時(shí)內(nèi)肉眼往往難以鑒別，而溶栓治療的最佳時(shí)間窗只有4.5小時(shí)，錯(cuò)過(guò)時(shí)間窗會(huì)導(dǎo)致不可逆的腦損傷。磁共振作為金標(biāo)準(zhǔn)，數(shù)分鐘內(nèi)即可顯示明顯的病灶，但因其檢查時(shí)間長(zhǎng)、檢查費(fèi)用貴和金屬禁忌癥等缺陷，不適合用于急診?，F(xiàn)有方法有策略解決該問(wèn)題：

2、(1)以mri為金標(biāo)準(zhǔn)對(duì)ct進(jìn)行缺血病灶進(jìn)行分割標(biāo)注，通過(guò)cnn、transformer網(wǎng)絡(luò)構(gòu)建ai模型，實(shí)現(xiàn)基于ct的缺血灶自動(dòng)分割。但由于早期病灶不可見(jiàn)，ai模型給出結(jié)論后，醫(yī)生很難進(jìn)行判斷是否接受該結(jié)果；

3、(2)以ct生成虛擬的mri，但其他人的研究?jī)H僅能對(duì)存在病灶的ct切面(疑似急性缺血性卒中患者的頭部ct，包含約30個(gè)切面，急性期僅有幾個(gè)切面存在缺血病灶)，進(jìn)行mri切面的生成。使用該ai模型，需要用醫(yī)生先判斷切面是否包含缺血灶，對(duì)于實(shí)際臨床應(yīng)用困難。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問(wèn)題是針對(duì)上述現(xiàn)有技術(shù)的不足，提供一種基于多尺度特征轉(zhuǎn)換的腦卒中虛擬dwi圖像的生成方法及系統(tǒng)。

2、本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案如下：一種基于多尺度特征轉(zhuǎn)換的腦卒中虛擬dwi圖像的生成方法，包括如下步驟：

3、獲取腦部的ct圖像和dwi圖像并進(jìn)行配對(duì)，將配對(duì)的ct圖像和dwi圖像進(jìn)行預(yù)處理，并生成樣本集；

4、構(gòu)建用于根據(jù)ct圖像生成虛擬dwi圖像的轉(zhuǎn)換模型，并將所述樣本集中預(yù)處理后的ct圖像和dwi圖像輸入至所述轉(zhuǎn)換模型進(jìn)行訓(xùn)練；

5、將預(yù)處理后的目標(biāo)ct圖像輸入至訓(xùn)練后的轉(zhuǎn)換模型中，得到目標(biāo)虛擬dwi圖像。

6、本發(fā)明的有益效果是：本發(fā)明的基于多尺度特征轉(zhuǎn)換的腦卒中虛擬dwi圖像的生成方法，通過(guò)將配對(duì)ct圖像和dwi圖像進(jìn)行預(yù)處理，并對(duì)構(gòu)建基于多尺度特征轉(zhuǎn)換的轉(zhuǎn)換模型進(jìn)行訓(xùn)練，通過(guò)轉(zhuǎn)換模型的編碼器提取目標(biāo)ct圖像的不同尺度特征圖，并對(duì)其進(jìn)行特征轉(zhuǎn)換處理，在解碼過(guò)程中，轉(zhuǎn)換后的特征圖與解碼器的特征圖逐層拼接，經(jīng)過(guò)迭代，得到目標(biāo)虛擬dwi圖像，可以精確捕捉到ct圖像中的病灶信息，從而生成更為精確的dwi圖像，并且對(duì)噪聲不敏感。

7、在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進(jìn)：

8、進(jìn)一步：所述將配對(duì)的ct圖像和dwi圖像進(jìn)行預(yù)處理具體包括如下步驟：

9、對(duì)配對(duì)的ct三維圖像和dwi三維圖像進(jìn)行切片處理，得到ct二維圖像和dwi二維圖像；

10、根據(jù)預(yù)設(shè)像素閾值范圍對(duì)所述ct二維圖像的像素值進(jìn)行裁剪，并將裁剪后的ct二維圖像與dwi二維圖像進(jìn)行歸一化處理；

11、利用大津算法計(jì)算歸一化后的所述dwi二維圖像的掩碼圖像，利用最大連通域去除所述掩碼圖像中小于預(yù)設(shè)像素點(diǎn)閾值的離散區(qū)域，并將所述掩碼圖像分別與歸一化后的所述ct二維圖像和dwi二維圖像相乘，得到預(yù)處理后的ct二維圖像和dwi二維圖像；

12、根據(jù)預(yù)處理后的ct二維圖像和dwi二維圖像生成樣本集。

13、上述進(jìn)一步方案的有益效果是：通過(guò)對(duì)配對(duì)的所述ct三維圖像和dwi三維圖像進(jìn)行切片處理，即可得到對(duì)應(yīng)的ct二維圖像和dwi二維圖像，然后進(jìn)行像素值進(jìn)行裁剪，并將所述ct二維圖像與dwi二維圖像進(jìn)行歸一化處理，以便在不同的掃描圖像中獲得一直的灰度值范圍，便于圖像比較和分析，通過(guò)去噪處理，可以避免ct二維圖像的顱骨和其它噪聲對(duì)模型訓(xùn)練時(shí)造成影響。

14、進(jìn)一步：所述將所述樣本集中預(yù)處理后的ct圖像和dwi圖像輸入至所述轉(zhuǎn)換模型進(jìn)行訓(xùn)練具體包括如下步驟：

15、所述轉(zhuǎn)換模型利用編碼器對(duì)輸入的樣本集中預(yù)處理后的ct二維圖像進(jìn)行不同尺度的特征圖提取，得到不同尺度的特征圖，特征圖提取公式如下：

16、e1＝lrelu(in(con4×4(x)))

17、e2＝lrelu(in(con4×4(e1)))

18、e3＝lrelu(in(con4×4(e2)))

19、e4＝lrelu(in(con4×4(e3)))

20、其中，x為輸入的ct二維圖像，con4×4表示4×4的卷積操作，in表示編碼器的instancenorm2d層，lrelu表示leaky?relu激活函數(shù)，e1表示編碼器第一層的輸出特征圖，e2表示編碼器第二層的輸出特征圖；e3表示編碼器第三層的輸出特征圖，e4表示編碼器第四層的輸出特征圖；

21、對(duì)不同尺度的所述特征圖分別進(jìn)行特征轉(zhuǎn)換處理，得到對(duì)應(yīng)的特征轉(zhuǎn)換圖；

22、將所述特征轉(zhuǎn)換圖進(jìn)行解碼，在解碼過(guò)程中，特征轉(zhuǎn)換后的特征圖與解碼特征逐層拼接，經(jīng)過(guò)迭代，得到虛擬dwi圖像；

23、構(gòu)建損失函數(shù)，利用所述損失函數(shù)計(jì)算所述虛擬dwi圖像與預(yù)處理后的dwi二維圖像之間的損失值，并將損失值最小的模型參數(shù)作為所述轉(zhuǎn)換模型的參數(shù)，完成訓(xùn)練。

24、上述進(jìn)一步方案的有益效果是：通過(guò)對(duì)預(yù)處理后的ct二維圖像進(jìn)行不同尺度的特征圖提取，得到不同尺度的特征圖，進(jìn)而可以對(duì)不同尺度的特征圖進(jìn)行特征轉(zhuǎn)換處理，得到特征轉(zhuǎn)換圖，然后進(jìn)行解碼迭代拼接處理，最終即可得到虛擬dwi圖像，然后根據(jù)虛擬dwi圖像與預(yù)處理后的dwi二維圖像之間的損失值來(lái)選擇最后的參數(shù)作為轉(zhuǎn)換模型的識(shí)別參數(shù)，使得轉(zhuǎn)換模型具備較高精度的識(shí)別功能。

25、進(jìn)一步：所述對(duì)不同尺度的所述特征圖分別進(jìn)行特征轉(zhuǎn)換處理，得到對(duì)應(yīng)的特征轉(zhuǎn)換圖具體包括如下步驟：

26、分別將所述轉(zhuǎn)換模型的編碼器第一層輸出的特征圖e1和第二層輸出的特征圖e2進(jìn)行第一特征轉(zhuǎn)換處理，得到轉(zhuǎn)換特征圖e1′和e2′，第一特征轉(zhuǎn)換公式如下：

27、e1′＝(relu(con3×3(e1)))5

28、e2′＝(relu(con3×3(e2)))5

29、其中，con3×3表示3×3的卷積操作，relu表示relu激活函數(shù)，(·)5表示進(jìn)行五次3×3卷積操作和relu激活，e1′和e2′分別表示編碼器第一層和第二層輸出特征圖經(jīng)過(guò)第一特征轉(zhuǎn)換的轉(zhuǎn)換特征圖；

30、分別將所述轉(zhuǎn)換模型的編碼器第三層輸出的特征圖e3和第四層輸出的特征圖e4進(jìn)行第二特征轉(zhuǎn)轉(zhuǎn)處理，得到轉(zhuǎn)換特征圖e3″′和e4″′，第二特征轉(zhuǎn)換公式如下：

31、e3′＝flatten(e3)

32、e3″＝(relu(linear(e3′))))5

33、e3″′＝reshape(e3″,(b1,c1,h1,w1))

34、e4′＝flatten(e4)

35、e4″＝(relu(linear(e4′))))5

36、e4″′＝reshape(e4″,(b2,c2,h2,w2))

37、其中，flatten表示將輸入的特征圖e3展平為一維向量，linear表示全連接層，relu表示relu激活函數(shù)，(·)5表示進(jìn)行五次全連接操作和relu激活，reshape表示將一維向量重新整形為指定的多維張量形狀，e3′和e4′方便表示所述轉(zhuǎn)換模型中編碼器第三層輸出特征圖和第四層輸出特征圖經(jīng)過(guò)展平操作后的一維向量，e3″和e4″分別表示經(jīng)過(guò)第二特征轉(zhuǎn)換后的第三層輸出特征圖和第四層輸出特征圖對(duì)應(yīng)的一維向量；(b1,c1,h1,w1)和(b2,c2,h2,w2)分別表示編碼器第三層和第四層輸出的特征圖的批量大小、通道數(shù)、高度、寬度，e3″′和e4″′表示經(jīng)過(guò)整形后的轉(zhuǎn)換特征圖。

38、上述進(jìn)一步方案的有益效果是：通過(guò)將所述轉(zhuǎn)換模型的編碼器第一層輸出的特征圖e1和第二層輸出的特征圖e2與第三層輸出的特征圖e3和第四層輸出的特征圖e4分別進(jìn)行不同的特征轉(zhuǎn)換處理，得到對(duì)應(yīng)的特征轉(zhuǎn)換圖，作為后續(xù)拼接還原虛擬dwi的基礎(chǔ)。

39、進(jìn)一步：所述將所述特征轉(zhuǎn)換圖與所述轉(zhuǎn)換模型的解碼器解碼的特征圖進(jìn)行拼接處理，得到虛擬dwi圖像具體包括如下步驟：

40、所述轉(zhuǎn)換模型的解碼器對(duì)所述轉(zhuǎn)換特征圖e3″′、e4″′、e1′和e2′進(jìn)行解碼，并將解碼后的轉(zhuǎn)換特征圖進(jìn)行迭代拼接處理，得到虛擬dwi圖像，拼接公式如下：

41、

42、d4＝tanh(up(con4×4(d3)))

43、其中，cont4×4表示4×4的轉(zhuǎn)置卷積操作，con4×4表示4×4的卷積操作，in表示instancenorm2d層，relu表示relu激活函數(shù)，up表示上采樣操作，表示兩個(gè)特征圖在通道維度進(jìn)行拼接操作，tanh表示tanh激活函數(shù)、d1、d2和d3分別表示所述轉(zhuǎn)換模型的解碼器第一層，第二層和第三層的輸出特征圖，d4為最終生成的虛擬dwi圖像。

44、上述進(jìn)一步方案的有益效果是：通過(guò)將所述解碼器對(duì)所述轉(zhuǎn)換特征圖e3″′、e4″′、e1′和e2′進(jìn)行解碼，然后進(jìn)行迭代拼接處理，可以非常精確地還原出虛擬dwi圖像，作為臨床醫(yī)護(hù)人員的參考，以便于在沒(méi)有mri圖像的情況下快速根據(jù)ct圖像得到虛擬dwi圖像，從而快速準(zhǔn)確地作出診斷，最大限度地拯救患者。

45、進(jìn)一步：所述的基于多尺度特征轉(zhuǎn)換的腦卒中虛擬dwi圖像的生成方法還包括如下步驟：

46、計(jì)算所述虛擬dwi圖像與所述樣本集中配對(duì)的真實(shí)dwi圖像的結(jié)構(gòu)相似性值，并根據(jù)所述結(jié)構(gòu)相似性值對(duì)所述虛擬dwi圖像進(jìn)行評(píng)估。

47、進(jìn)一步：所述結(jié)構(gòu)相似性值的計(jì)算公式為：

48、

49、其中，x為虛擬dwi圖像，y為真實(shí)dwi圖像，μx和μy表示虛擬dwi圖像和真實(shí)dwi圖像的均值，δx和δy表示虛擬dwi圖像和真實(shí)dwi圖像的方差，c1和c2為常數(shù)。

50、上述進(jìn)一步方案的有益效果是：通過(guò)計(jì)算虛擬dwi圖像與所述樣本集中配對(duì)的真實(shí)dwi圖像的結(jié)構(gòu)相似性值，可以評(píng)價(jià)二者圖像的相似度，從而可以更好地模擬對(duì)圖像的感知。

51、本發(fā)明還提供了一種基于多尺度特征轉(zhuǎn)換的腦卒中虛擬dwi圖像的生成系統(tǒng)，包括預(yù)處理模塊、構(gòu)建模塊和訓(xùn)練轉(zhuǎn)換模塊，

52、所述預(yù)處理模塊，用于獲取腦部的ct圖像和dwi圖像并進(jìn)行配對(duì)，將配對(duì)的ct圖像和dwi圖像進(jìn)行預(yù)處理，并生成樣本集；

53、所述構(gòu)建模塊，構(gòu)建用于根據(jù)ct圖像生成虛擬dwi圖像的轉(zhuǎn)換模型，并將所述樣本集中預(yù)處理后的ct圖像和dwi圖像輸入至所述轉(zhuǎn)換模型進(jìn)行訓(xùn)練；

54、所述訓(xùn)練轉(zhuǎn)換模塊，將預(yù)處理后的目標(biāo)ct圖像輸入至訓(xùn)練后的轉(zhuǎn)換模型中，得到目標(biāo)虛擬dwi圖像。

55、本發(fā)明還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)所述的基于多尺度特征轉(zhuǎn)換的腦卒中虛擬dwi圖像的生成方法。

56、本發(fā)明還提供了一種基于多尺度特征轉(zhuǎn)換的腦卒中虛擬dwi圖像的生成設(shè)備，包括通信接口、存儲(chǔ)器、通信總線(xiàn)和處理器，其中，所述處理器、通信接口和存儲(chǔ)器通過(guò)所述通信總線(xiàn)完成相互間的通信；

57、所述存儲(chǔ)器，用于存放計(jì)算機(jī)程序；

58、所述處理器，用于執(zhí)行所述存儲(chǔ)器上所存放的程序時(shí)，實(shí)現(xiàn)所述的基于多尺度特征轉(zhuǎn)換的腦卒中虛擬dwi圖像的生成方法的步驟。