一种基于深度学习的多模态图像合成方法与系统

专利主权项内容

1.一种基于深度学习的多模态图像合成方法，其特征在于，所述的基于深度学习的多模态图像合成方法包括以下步骤：S1、数据收集：收集宫颈癌患者的CBCT图像和对应的计划CT图像；S2、图像预处理：将计划CT图像配准到CBCT图像，并将非解剖结构去除；邻域插值并裁剪图像至同一尺寸；调整窗宽，并将CT值转化为线性衰减系数；S3、构建深度学习模型框架：所述的深度学习模型基于编码器-解码器的架构，采用U-Net作为基础模型，并将残差学习集成到基础模型中；该深度学习模型由1个常规卷积块、4个残差卷积块、4个上采样残差卷积块和1个输出层组成；S4、分层训练：采用分层训练策略训练所述的深度学习模型，首先训练粗分辨率的残差U-Net，旨在训练所述的深度学习模型学习基本的图像内容表示和普通的图像特征；然后以前一阶段为起点，继续用更高分辨率的图像训练所述的深度学习模型，以帮助深度学习模型学习更复杂的图像特征并捕获更精细的图像细节；总训练层次设置为3；S5、模型测试验证：使用分层训练好的深度学习模型直接从原始CBCT图像生成伪CT图像。