摘要
本申请公开了一种基于小波高频增强的医学图像跨模态生成方法及装置,有如下效果:利用多尺度局部‑全局特征和高频纹理细节信息有效学习多模态医学图像的共有特征和独特特征,获得准确精细的目标模态图像。生成缺失模态图像,能有效应对医疗条件的限制并降低获取多模态影像的成本,有极大应用价值;全局分支编码器的CMMB块聚合全局信息和多尺度局部特征,充分学习不同解剖结构和肌肉纹理的信息,生成目标模态图像的精细边缘纹理和组织细节;高频分支编码器的RSTB块从输入模态中提取高频特征,并与全局分支聚合,促进生成图像的纹理保真度,接近真实影像;解码器的CAG机制促进解码器和编码器间的特征交互,去除冗余信息,生成高效图像。
技术关键词
跨模态
输出特征
编码器
解码器
分支
多尺度
特征提取单元
多模态医学图像
生成方法
混合网络
上采样
图像生成单元
纹理
冗余
高频特征
处理单元
机制
系统为您推荐了相关专利信息
空间化方法
深度学习模型
人口统计数据
建筑
权重模型
自动化桥梁
损伤检测装置
飞行器主体
标靶
机器人
车辆图像检测
多尺度特征
生成多尺度
模型训练模块
生成训练数据