基于深度学习网络的tDCS电场仿真图像生成方法及装置

本发明属于医学图像处理，具体涉及一种基于深度学习网络的tdcs电场仿真图像生成方法、装置、设备及存储介质。

背景技术：

1、经颅直流电刺激(transcranial direct current stimulation,tdcs)是一种非侵入性的神经调控技术，可以促进大脑神经可塑性和调节人类认知和行为。tdcs具有良好的耐受性，可用作精神疾病的附加疗法，并且成本低廉，因此已经逐步成为临床医生以及科研人员关注的焦点。tdcs能够灵活的根据个体解剖特性合理地选择电极数量、形状和位置，来实现具体解剖定位。目前电场仿真计算模型已经从简单的同心圆模型发展到基于个体解剖结构磁共振成像(magnetic resonance imaging，mri)扫描的高分辨率解剖学精确模型。而高分辨率头模型的构建一般以实际中人脑的影像数据为数据源，通过对影像数据的处理、重建得到最终的头部模型。

2、现有的tdcs电场仿真建模工具各式各样，从有限元方法模型到为临床医生设计的独立gui软件，有许多软件包可以通过加载个体的mri图像，进行个体化治疗设计。但是，现有的基于mri图像的电场仿真的时间成本较高，每个被试通常至少需要2小时以上，临床上通过传统的软件来实现个体化tdcs电场仿真的方案的效率不高。另外，采用传统的软件对于操作人员来说需要具备一定的电场仿真技术要求，tdcs精准定位以及个体化治疗在临床应用上的可行性较差。

技术实现思路

1、为了解决相关技术中存在的上述问题，本发明提供了一种基于深度学习网络的tdcs电场仿真图像生成方法。本发明要解决的技术问题通过以下技术方案实现：

2、第一方面，本发明提供了一种基于深度学习网络的tdcs电场仿真图像生成方法，包括：获取多个样本磁共振图像；通过预设的tdcs电场仿真计算方法对样本磁共振图像进行tdcs电场仿真计算，获得每个样本磁共振图像对应的tdcs电场仿真图像；根据样本磁共振图像和tdcs电场仿真图像构建训练数据集；其中，训练数据集包括多个样本磁共振图像和每个样本磁共振图像对应的tdcs电场仿真图像；根据训练数据集对预设的深度学习网络模型进行训练，获得目标图像生成模型；通过目标图像生成模型对目标磁共振图像进行预测，获得目标磁共振图像的tdcs电场仿真图像。

3、在一些可能的实施方式中，在通过预设的tdcs电场仿真计算方法对样本磁共振图像进行tdcs电场仿真计算，获得每个样本磁共振图像对应的tdcs电场仿真图像之前，方法还包括：通过预设的优化算法对样本磁共振图像进行优化，获得优化后的样本磁共振图像；其中，优化算法包括中值滤波和/或偏置场矫正。

4、在一些可能的实施方式中，通过预设的tdcs电场仿真计算方法对样本磁共振图像进行tdcs电场仿真计算，获得每个样本磁共振图像对应的tdcs电场仿真图像，包括：对每个样本磁共振图像在不同tdcs电极配置下进行tdcs电场仿真计算，得到每个样本磁共振图像对应的tdcs电场仿真图像；其中，tdcs电极配置包括电极的形状、电极的位置信息以及电极的电流大小信息。

5、在一些可能的实施方式中，对每个样本磁共振图像在不同tdcs电极配置下进行tdcs电场仿真计算，得到每个样本磁共振图像对应的tdcs电场仿真图像，包括：对每个样本磁共振图像进行图像分割，获得每个样本磁共振图像包含的多个单组织结构图像；根据多个单组织结构图像构建每个样本磁共振图像的头模型；根据预设的tdcs电极配置在头模型上放置tdcs电极；根据多个单组织结构图像对头模型进行划分，获得有限元网格；通过预设的有限元求解器以及tdcs电极配置对有限元网格进行有限元计算，获得有限元求解结果；对有限元求解结果进行可视化显示，获得每个样本磁共振图像对应的tdcs电场仿真图像。

6、在一些可能的实施方式中，训练数据集还包括tdcs电极配置；根据训练数据集对预设的深度学习网络模型进行训练，获得目标图像生成模型，包括：根据样本磁共振图像、tdcs电极配置以及样本磁共振图像在不同tdcs电极配置下对应的tdcs电场仿真图像，对预设的深度学习网络模型进行训练，获得目标图像生成模型。

7、在一些可能的实施方式中，通过目标图像生成模型对目标磁共振图像进行预测，获得目标磁共振图像的tdcs电场仿真图像，包括：获取目标磁共振图像和目标tdcs电极配置；将目标磁共振图像和目标tdcs电极配置输入目标图像生成模型，获得目标磁共振图像在目标tdcs电极配置下的tdcs电场仿真图像。

8、在一些可能的实施方式中，在通过目标图像生成模型对目标磁共振图像进行预测，获得目标磁共振图像的tdcs电场仿真图像之前，方法还包括：从训练数据集中选取预设数量的样本磁共振图像和对应的tdcs电场仿真图像作为测试数据集；将测试数据集中的样本磁共振图像输入目标图像生成模型，获取测试tdcs电场仿真图像；根据测试tdcs电场仿真图像与对应的测试数据集中的tdcs电场仿真图像的相似度，评估目标图像生成模型的性能；在目标图像生成模型的性能满足预设阈值时，输出目标图像生成模型；在目标图像生成模型的性能不满足预设阈值时，通过训练数据集再一次对目标图像生成模型进行训练，直至目标图像生成模型的性能满足预设阈值。

9、第二方面，本发明提供了一种基于深度学习网络的tdcs电场仿真图像生成装置，该装置包括：第一获取模块，用于获取多个样本磁共振图像；仿真计算模块，用于通过预设的tdcs电场仿真计算方法对样本磁共振图像进行tdcs电场仿真计算，获得每个样本磁共振图像对应的tdcs电场仿真图像；数据集构建模块，根据样本磁共振图像和tdcs电场仿真图像构建训练数据集；其中，训练数据集包括多个样本磁共振图像和每个样本磁共振图像对应的tdcs电场仿真图像；训练模块，用于根据训练数据集对预设的深度学习网络模型进行训练，获得目标图像生成模型；预测模块，用于通过目标图像生成模型对目标磁共振图像进行预测，获得目标磁共振图像的tdcs电场仿真图像。

10、在一些可能的实施方式中，该装置还包括：优化模块，用于通过预设的优化算法对样本磁共振图像进行优化，获得优化后的样本磁共振图像；其中，优化算法包括中值滤波和/或偏置场矫正。

11、在一些可能的实施方式中，第一获取模块，还用于对每个样本磁共振图像在不同tdcs电极配置下进行tdcs电场仿真计算，得到每个样本磁共振图像对应的tdcs电场仿真图像；其中，tdcs电极配置包括电极的形状、电极的位置信息以及电极的电流大小信息。

12、在一些可能的实施方式中，第一获取模块，还用于对每个样本磁共振图像进行图像分割，获得每个样本磁共振图像包含的多个单组织结构图像；根据多个单组织结构图像构建每个样本磁共振图像的头模型；根据预设的tdcs电极配置在头模型上放置tdcs电极；根据多个单组织结构图像对头模型进行划分，获得有限元网格；通过预设的有限元求解器以及tdcs电极配置对有限元网格进行有限元计算，获得有限元求解结果；对有限元求解结果进行可视化显示，获得每个样本磁共振图像对应的tdcs电场仿真图像。

13、在一些可能的实施方式中，训练数据集还包括tdcs电极配置；训练模块，还用于根据样本磁共振图像、tdcs电极配置以及样本磁共振图像在不同tdcs电极配置下对应的tdcs电场仿真图像，对预设的深度学习网络模型进行训练，获得目标图像生成模型。

14、在一些可能的实施方式中，预测模块，还用于获取目标磁共振图像和目标tdcs电极配置；将目标磁共振图像和目标tdcs电极配置输入目标图像生成模型，获得目标磁共振图像在目标tdcs电极配置下的tdcs电场仿真图像。

15、在一些可能的实施方式中，该装置还包括：测试模块，用于从训练数据集中选取预设数量的样本磁共振图像和对应的tdcs电场仿真图像作为测试数据集；将测试数据集中的样本磁共振图像输入目标图像生成模型，获取测试tdcs电场仿真图像；根据测试tdcs电场仿真图像与对应的测试数据集中的tdcs电场仿真图像的相似度，评估目标图像生成模型的性能；在目标图像生成模型的性能满足预设阈值时，输出目标图像生成模型；在目标图像生成模型的性能不满足预设阈值时，通过训练数据集再一次对目标图像生成模型进行训练，直至目标图像生成模型的性能满足预设阈值。

16、第三方面，本发明提供了一种基于深度学习网络的tdcs电场仿真图像生成设备，包括：存储器，存储有计算机可执行指令；处理器，与存储器相连，用于通过执行计算机可执行指令，以实现如本发明第一方面及其可能的实施方式的方法。

17、第四方面，本发明提供了一种计算机存储介质，计算机存储介质存储有计算机可执行指令，计算机可执行指令被处理器执行后，能够实现如本发明第一方面及其可能的实施方式的方法。

18、本发明实施例提供的技术方案与现有技术相比存在的有益效果是：

19、在本发明中，通过对多个样本磁共振图像进行tdcs电场仿真计算，获得每个样本磁共振图像对应的tdcs电场仿真图像，从而构建训练数据集对预设的深度学习网络模型进行训练，获得目标图像生成模型，从而利用目标图像生成模型对目标磁共振图像进行预测，得到目标磁共振图像的tdcs电场仿真图像。如此，减少了在tdcs精准定位前繁琐的电场仿真计算过程，节约了电场仿真时间成本，提高了电场仿真效率。同时，通过深度学习构建目标图像生成模型，省略了临床医生对于电场仿真技术学习的技术要求，增加了tdcs精准定位以及个体化治疗在临床上应用的可行性，提高了基于个体解剖结构的个体化tdcs治疗方案的现实意义。

20、以下将结合附图及实施例对本发明做进一步详细说明。