图像生成方法、装置、扫描成像系统和电子装置

本技术涉及图像处理，特别是涉及图像生成方法、装置、扫描成像系统和电子装置。

背景技术：

1、随着成像技术的快速发展，越来越多的医疗成像设备被广泛应用于辅助患者的病灶诊断。例如，计算机断层医学扫描设备(computed tomography，ct)、核磁共振设备mr、正电子发射计算机断层显像设备(positron emission tomography pet)、放疗设备(rt)等。

2、在实际应用中，在使用上述成像设备对患者进行全身或部位扫描成像时，经常会遇到仅凭单次的检查结果很难决定治疗方案的情况下，需要患者在后续一段时间内每隔半年或一年进行多次检查，从而比较疾病随时间发展的演变情况。然而，以mr检查为例，mr检查扫描到的图像切面与操作人员水平相关，难以保证mr扫描过程中切面的一致性，进而影响图像生成的精度。

3、目前针对相关技术中图像生成的精度低的问题，尚未提出有效的解决方案。

技术实现思路

1、本技术实施例提供了一种图像生成方法、装置、扫描成像系统和电子装置，以至少解决相关技术中图像生成的精度低的问题。

2、第一方面，本技术实施例提供了一种图像生成方法，所述方法包括：

3、获取针对目标组织的第一类定位像；

4、将所述第一类定位像输入至训练完备的目标图像处理模型进行切面检测处理，得到层面选择信息；其中，所述目标图像处理模型用于指示所述第一类定位像和所述层面选择信息之间的映射关系；所述目标图像处理模型包括目标生成网络和目标层面选择网络；

5、基于所述层面选择信息对所述目标组织进行扫描，生成所述目标组织对应的目标扫描图像。

6、在其中一些实施例中，所述将所述第一类定位像输入至训练完备的目标图像处理模型进行切面检测处理，得到层面选择信息，包括：

7、将所述第一类定位像输入至所述目标生成网络进行图像拟合处理，得到拟合的第二类定位像；

8、将所述第一类定位像和所述第二类定位像输入至所述目标层面选择网络，进行切面检测处理，得到所述层面选择信息。

9、在其中一些实施例中，所述第一类定位像和/或所述第二类定位像，包括纵向弛豫时间加权图像、横向弛豫时间加权图像、质子密度加权图像和平衡稳态自由进动图像；

10、所述第一类定位像和类型与所述第二类定位像的类型不同。

11、在其中一些实施例中，所述将所述第一类定位像输入至训练完备的目标图像处理模型进行片层组检测处理之前，所述方法还包括：

12、获取原始图像及其对应的第一类训练图像和第二类训练图像，所述原始图像包括第一原始图像和第二原始图像；将所述原始图像及其对应的所述第一类训练图像和所述第二类训练图像输入至初始图像处理模型中的初始层面选择网络进行训练，得到所述目标图像处理模型。

13、在其中一些实施例中，所述方法还包括：

14、获取第一类原始图像和第二类原始图像；

15、将所述第一类原始图像输入至初始图像处理模型中的第一生成器网络进行第二类原始图像预测处理，输出第一预测图像；将所述第一预测图像输入至所述初始图像处理模型中的第二生成器网络进行第一类原始图像预测处理，输出第二预测图像；所述初始图像处理模型包括初始生成网络，所述初始生成网络包括所述第一生成器网络和所述第二生成器网络；

16、将所述第二类原始图像输入至所述第二生成器网络进行第一类原始图像预测处理，输出第三预测图像；将所述第三预测图像输入至所述第一生成器网络进行第二类原始图像预测处理，输出第四预测图像；

17、根据所述第一类原始图像和所述第二预测图像计算得到第一损失函数，根据所述第二类原始图像和所述第四预测图像计算得到第二损失函数；

18、基于所述第一损失函数和所述第二损失函数对所述初始生成网络进行迭代训练，生成所述目标生成网络。

19、在其中一些实施例中，所述方法还包括：

20、将所述第二类原始图像和所述第一预测图像输入至所述初始生成网络中的第一判别器网络，生成第一概率结果，并利用所述第一概率结果，根据所述第一类原始图像和所述第二预测图像计算得到所述第一损失函数；

21、将所述第一类原始图像和所述第三预测图像输入至所述初始生成网络中的第二判别器网络，生成第二概率结果，并利用所述第二概率结果，根据所述第二类原始图像和所述第四预测图像计算得到所述第二损失函数。

22、在其中一些实施例中，所述方法还包括：

23、将所述第一类原始图像输入所述目标生成网络，获得所述第一类训练图像；

24、将所述第二类原始图像输入所述目标生成网络，获得所述第二类训练图像；

25、其中，所述第一类训练图像包括第一特征标签，所述第二类训练图像包括第二特征标签。

26、第二方面，本技术实施例提供了一种图像生成装置，所述装置包括：获取模块、检测模块和生成模块；

27、所述获取模块，用于获取针对目标组织的第一类定位像；

28、所述检测模块，用于将所述第一类定位像输入至训练完备的目标图像处理模型，得到层面选择信息；其中，所述目标图像处理模型用于指示所述第一类定位像和所述层面选择信息之间的映射关系；所述目标图像处理模型包括目标生成网络和目标层面选择网络；

29、所述生成模块，用于基于所述层面选择信息对所述目标组织进行扫描，生成所述目标组织对应的目标扫描图像。

30、第三方面，本技术实施例提供了一种扫描成像系统，所述系统包括：医学扫描设备和主控设备；

31、所述医学扫描设备用于扫描得到针对所述目标组织的第一类定位像；

32、所述主控设备用于执行如下步骤：

33、获取针对所述目标组织的第一类定位像；

34、根据所述第一类定位像进行图像拟合处理，得到拟合的第二类定位像，所述第一类定位像和所述第二类定位像的对比度不同；

35、根据所述第一类定位像和所述第二类定位像，确定目标扫描器官的边界信息；

36、根据所述边界信息确定待扫描的层面选择信息；

37、基于所述层面选择信息对所述目标组织进行扫描，生成所述目标组织对应的目标扫描图像。

38、第四方面，本技术实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的图像生成方法。

39、相比于相关技术，本技术实施例提供的图像生成方法、装置、扫描成像系统和电子装置，通过获取针对目标组织的第一类定位像；将该第一类定位像输入至训练完备的目标图像处理模型，得到层面选择信息；其中，该目标图像处理模型用于指示该第一类定位像和该层面选择信息之间的映射关系；该目标图像处理模型包括目标生成网络和目标层面选择网络；基于该层面选择信息对该目标组织进行扫描，生成该目标组织对应的目标扫描图像，解决了图像生成的精度低的问题，实现了高精度的图像生成方法。

40、本技术的一个或多个实施例的细节在以下附图和描述中提出，以使本技术的其他特征、目的和优点更加简明易懂。