技术特征：
1.一种图像生成方法，包括：采集具有低于层内分辨率的层间分辨率的第一3d图像切片；通过使用可调节的数学映射对所述第一3d图像切片进行上采样，以产生具有提高的层间分辨率的第二3d图像切片；对所述第二3d图像切片进行下采样；通过测量所述下采样的图像切片与所述第一3d图像切片之间的差异来计算第一自监督损失；修改所述数学映射以最小化所述第一自监督损失；使用所述修改的数学映射来修改所述第二3d图像切片；以及通过用户界面向用户提供所述修改的第二3d图像切片。2.根据权利要求1所述的方法，还包括：将所述修改的第二3d图像切片下采样到所述第一3d图像切片的维度。3.根据权利要求1所述的方法，还包括：切换所述修改的第二3d图像切片的维度以产生第三3d图像切片；将所述第三3d图像切片下采样到所述第一3d图像切片的维度；使用所述可调节的数学映射对所述下采样的第三3d图像切片进行上采样，以产生第四3d图像切片；通过测量所述第四3d图像切片与所述第三3d图像切片之间的差异来计算第二自监督损失；以及调节所述可调节的数学映射以最小化所述第二自监督损失。4.根据权利要求3所述的方法，其中，切换所述第二3d图像切片的维度产生具有与所述第一3d图像切片的所述层内分辨率匹配的层间分辨率的所述第三3d图像切片。5.根据权利要求3所述的方法，其中，对所述下采样的第三3d图像切片进行上采样产生具有所述第三3d图像切片的维度的所述第四3d图像切片。6.根据权利要求3所述的方法，还包括：切换所述第四3d图像切片的维度以产生第五3d图像切片；对所述第五3d图像切片进行下采样以产生第六3d图像切片；通过测量所述第六3d图像切片与所述第一3d图像切片之间的差异来计算第三自监督损失；以及调节所述映射以最小化所述第三自监督损失。7.根据权利要求6所述的方法，其中，切换所述第四3d图像切片的维度产生层内和层间轴线与所述第一3d图像切片的层内和层间轴线匹配的所述第五3d图像切片。8.根据权利要求6所述的方法，其中，对所述第五3d图像切片进行下采样产生具有所述第一3d图像切片的维度的所述第六3d图像切片。9.根据权利要求1所述的方法，还包括：使用深度神经网络来制定所述数学映射，所述数学映射用于从所述第一3d图像切片重建所述第二3d图像切片和从所述下采样的第三3d图像切片重建所述第四3d图像切片。10.一种图像生成系统，包括：具有低于层内分辨率的层间分辨率的第一3d图像切片的源；
深度神经网络，其被配置为通过提取所述第一3d图像切片中的特征来对所述第一3d图像切片进行上采样，以产生第二3d图像切片；计算框架，其用于优化所述深度神经网络，被配置为：对所述第二3d图像切片进行下采样；通过测量所述下采样的图像切片与所述第一3d图像切片之间的差异来计算第一自监督损失；并且优化所述深度神经网络以最小化所述第一自监督损失；以及用户界面，其用于向用户提供所述第三3d图像切片。
技术总结
一种具有自监督损失的无监督机器学习方法提高了具有厚切片的3D医学图像的切片级空间分辨率，并且不需要高分辨率图像作为用于训练的金标准。方法利用来自高分辨率维度的信息来提高另一期望维度的分辨率。来提高另一期望维度的分辨率。来提高另一期望维度的分辨率。
技术研发人员：刘毅康 陈章 陈潇 孙善辉 陈德仁
受保护的技术使用者：上海联影智能医疗科技有限公司
技术研发日：2022.04.08
技术公布日：2022/6/30