基于感知增强循环生成对抗网络的CBCT图像增强方法及系统

本发明公开了基于感知增强循环生成对抗网络的CBCT图像增强方法及系统，涉及医学图像处理技术领域，包括：基于CycleGAN网络，在生成器采用了基于U‑Net的改进结构并融入残差连接及引入多感知损失函数，在判别器通过引入负样本组成双重对比度损失从而实现对比学习，构建感知增强循环生成对抗网络；基于所述感知增强循环生成对抗网络，对CBCT图像进行增强；通过量化sCT与参考CT的平均绝对误差、峰值信噪比、结构相似性指标以及sCT与参考CT剂量gamma通过率、靶区和危及器官相对剂量偏差，表明本发明生成的sCT图像在图像质量和剂量计算精度方面均优于现有方法，可为鼻咽癌自适应放疗提供更准确的剂量计算基础。