摘要
本发明公开了基于双空间约束的增强CT图像生成方法和设备,本发明对真实增强CT图像进行编码以得到其在隐空间的参数化分布,作为隐空间中的标签提供额外的训练监督信息来优化模型参数,并结合增强区域的真实分割二值图像显式地指导模型应重点关注的区域,通过提高真实分割二值图像区域在重建损失中的权重,提高模型对平扫CT图像中精细解剖结构的关注程度,使本发明的模型可以完成对精细解剖结构的增强;本发明的转换编码器在VAE模型的编码器基础上增加通道‑空间注意力模块作为转换编码器,以实现从平扫CT图像的图像空间到真实增强CT图像隐空间的映射。
技术关键词
CT图像生成方法
注意力
转换编码器
图像生成模型
通道
压缩编码器
训练神经网络
输出特征
残差模块
解码器
层级
样本
参数
图像编码
计算机设备
重构
存储器
系统为您推荐了相关专利信息
媒体内容推荐
数据
兴趣
深度融合神经网络
文本特征向量
柔性车间调度
融合算法
深度强化学习模型
异构
节点特征
无人机桥梁
轨迹规划方法
轨迹预测模型
轨迹轮廓
图像
损伤定位方法
权重特征融合
管道
海洋
应变传感器
特征提取模型
融合特征
多头注意力机制
雷达
识别方法