心脏三维核磁共振图像生成方法、系统、设备及储存介质

本发明属于医学图像生成，具体涉及一种心脏三维核磁共振图像生成方法、系统、设备及储存介质。

背景技术：

1、医学成像是各种医学领域中广泛使用的技术，用于直观地表示人体的解剖和病理结构及其功能，其原理涉及特定介质与人体的相互作用，以图像的形式呈现内部器官、组织结构和密度，供放射科医生进行疾病诊断，目前常用的医学成像技术包括计算机断层成像、核磁共振成像及正电子发射断层扫描成像等，核磁共振图像(magnetic resonance image，mri)因其无创性和通用性，常被用来检测心血管疾病，被认为是对心脏整体和局部功能进行定量分析的金标准，cad技术有助于心脏疾病的早期预防和诊断，然而也存在一些弊端，如cad模型的构建往往需要大量的数据进行训练才能增强其分辨陌生数据的能力，较少的数据会导致模型过拟合或者欠拟合，不同于自然图像，医学图像因为涉及到病人隐私、人身安全和成像成本等问题，往往需要严格的伦理审查过程，因此其获取的成本通常比较高，大规模的公共数据集可用于传统的视觉任务，但医疗数据很难获得，即使在大规模的医学训练数据集中，罕见疾病和解剖的例子也很少，训练数据的缺少会导致cad模型的泛化性不足，无法学习到数据集中更加细节的特征，难以应用于临床医学中。

2、在医学图像处理领域中，为了增加训练数据的多样性，使用生成数据对数据集进行增强一直是一个热门的研究方向，随着新算法的诞生以及算力的提升，生成与真实数据相似的医学图像比以往任何时候都更接近成为可能，通过生成心脏三维mri数据，能够帮助增加数据集的多样性，保护患者隐私，增加cad模型的泛化性，进而减轻心血管疾病的负担。

3、由此，本发明提出一种心脏三维核磁共振图像生成方法、系统、设备及储存介质。

技术实现思路

1、本发明提出一种心脏三维核磁共振图像生成方法、系统、设备及储存介质。

2、本发明采用如下技术方案：

3、一种心脏三维核磁共振图像生成方法，包括：

4、步骤1，对心脏输入图像进行裁剪roi、重采样和标准化的预处理；

5、步骤2，对基于二维的扩散模型网络结构进行修改，将原有的二维卷积、池化操作替换为支持三维数据的操作以满足生成三维mri数据的要求；

6、步骤3，通过使用病理类别标签和额外的病理分类器进行指导，使生成的三维心脏mri数据具备指定的病理特征。

7、进一步地，步骤1中：

8、根据输入图像生成非零模板，按照包围盒大小及位置进行裁剪得到指定大小的图像；

9、对三维图像进行重采样，其中x和y平面采用三阶样条插值，z轴采用最近邻插值法；

10、采用z-score方法进行标准化，将数据归一化到[-1，1]之间以满足扩散模型网络的输入要求。

11、进一步地，步骤2中包括对二维的扩散模型的前向扩散和逆向扩散，其中：

12、前向扩散通过不断的向原始数据中添加高斯噪声，直到原来的数据完全被破坏变成随机噪声；

13、逆向扩散通过训练一个以噪声图像和当前的扩散为条件输入的神经网络，学习用于破坏图像的噪声的分布情况，预测前一步所添加的随机噪声，然后去除该噪声，逐步还原数据的真实分布。

14、进一步地，步骤2中的前向扩散包括：

15、设x0是没有被添加过噪声的原始数据，给定一个分布x0～q(x0)，通过逐步对x0添加高斯噪声的方式产生x1从xt到的数据，描述为公式(1)：

16、

17、其中，t、β1，β2，...，βt∈[0，1]分别表示扩散步骤的总数和每个扩散步骤中产生噪声所用的方差，i是单位矩阵，表示x服从均值为μ和协方差为σ的正态分布，当扩散步骤逐步增大，所添加的噪声采用更大的方差，满足β1＜β2＜…＜βt，当t的取值足够大，得到的样本xt完全丢失原始的数据分布特征，变成一个完全随机的高斯噪声，给定：

18、

19、其中，βt为第t步添加噪声的方差，表示从α0到αt的累乘；

20、通过重参数技巧，用公式：

21、

22、来获取对原始数据x0添加任意步骤t的噪声之后的数据xt，其中，∈为t步骤时真实添加的噪声。

23、进一步地，步骤2中的逆向扩散包括：

24、设逆向扩散过程是由一系列神经网络参数化的高斯分布组成的马尔科夫链：

25、

26、

27、其中，p(xt)＝n(xt；0，i)，pθ(xt-1|xt)是参数化的高斯分布，预测噪声的均值和方差由神经网络预测的μθ(xt，t)和∑θ(xt，t)给出，θ表示神经网络的参数，采样数据的过程通过：

28、xt-1＝μθ(xt，t)+∑θ(xt，t)z……(6)，

29、来实现，其中，损失函数公式如下：

30、

31、其中，表示用于计算模型预测输出∈θ(xt，t)与实际输出∈之间的误差，t是属于0到t之间的扩散步骤，当t＝0时，表示当前样本xt为没有添加过噪声的原始图像，∈θ(xt，t)为神经网络预测的t步骤时的噪声；

32、当给定额外的引导信号y时，逆向扩散中的采样分布变更为公式：

33、pθ，φ(xt-1|xt，y)＝zpθ(xt-1|xt)pφ(y|xt-1)……(8)，

34、其中，pφ(y|xt-1)表示给定xt-1时输出y的条件概率分布，其中，φ是分布的参数，由神经网络学习得到的，z为归一化常数，引入额外信息制导后的新分布可近似为均值偏移的高斯分布：

35、

36、其中，μ＝μθ，θ表示神经网络的参数，φ表示引导网络的参数。

37、进一步地，步骤3包括：

38、从随机的高斯分布噪声中采样得到xt，输入网络进行推理，通过softmax函数输出xt属于不同类别的概率；

39、从不同类别的概率中选出与真实标签相对应的类别概率；为避免出现无限大的计算情况，将输入网络中的样本xt推理得到的属于不同病理类别的概率值下限设置为1e-15；

40、通过计算输入样本xt和所选概率值之间的梯度，并将计算得到的结果乘以指导缩放因子s，得到xt在当前扩散步骤t下与真实梯度方向相比的值，作为约束，调整采样过程的迭代方向，去噪，得到的x0即为指定的病理数据。

41、一种心脏三维核磁共振图像生成系统，包括：

42、预处理模块，用于对心脏输入图像进行裁剪roi、重采样和标准化；

43、修改模块，用于对基于二维的扩散模型网络结构进行修改，将原有的二维卷积、池化操作替换为支持三维数据的操作；

44、指导模块，通过使用病理类别标签和额外的病理分类器进行指导，使生成的三维心脏mri数据具备指定的病理特征。

45、一种心脏三维核磁共振图像生成设备，包括处理器、存储器以及存储在存储器中且被配置为由处理器执行的计算机程序，处理器执行计算机程序时实现所述心脏三维核磁共振图像生成方法。

46、一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行所述的心脏三维核磁共振图像生成方法。

47、本发明的有益效果是：

48、本发明所述心脏三维核磁共振图像生成方法，能够使生成数据对数据集进行有效增强，生成的医学图像与真实数据更为相似，通过生成心脏三维mri数据，能够帮助增加数据集的多样性，保护患者隐私，增加cad模型的泛化性。