一种全身PET与CT图像相互转换的人工智能方法

本发明提出一种一种全身PET与CT图像相互转换的人工智能方法，使用增强型条件生成对抗网络(cGAN)模型实现了全身CT与PET图像之间的模态转换。该方法结合了残差卷积块和全卷积Transformer块，以提高模型捕捉局部特征和全局上下文信息的能力。本申请设计了一个定制的损失函数，结合结构一致性损失，能够提升生成图像的整体质量。在CT‑>PET和PET‑>CT两个模态转换任务上进行了大量实验，结果表明，本申请的模型能够生成高质量的图像，在临床相关性和诊断价值方面均接近原始图像。本发明所提出的结合Transformer的cGAN框架能够减少多模态图像检查的需求，从而降低患者的辐射暴露剂量和整体医疗成本，为PET‑CT多模态图像转换的临床应用奠定了坚实的基础。