一种模型的训练方法、CT图像的优化方法及装置与流程

一种模型的训练方法、ct图像的优化方法及装置
技术领域
1.本说明书涉及计算机技术领域，尤其涉及一种模型的训练方法、ct图像的优化方法及装置。

背景技术：

2.在医学领域中，核磁共振和计算机断层扫描(computed tomography，ct)是最常见的影像学诊断方法。其中，核磁共振是利用核磁共振现象从人体中获得电磁信号,并重建出人体信息，其对于软组织的响应较高，常用于观察软组织或功能成像中。ct是利用x线束的穿透性，围绕人体的某一部位作一个接一个的断面扫描，具有扫描时间快，图像清晰等特点，可用于多种疾病的检查，常对于骨骼等组织有较高的响应，因此，针对人体的各个的组织部位得到的ct图像和核磁共振图像之间，具有不同的分辨率，各有优缺点，所以，在医学领域中，常常会同时采集患者的ct图像和核磁共振图像，用作医学指导。
3.然而，在实际应用中，存在部分患者因自身原因难以进行核磁共振图像检查，例如：部分体内具有金属支架或金属关节的患者，而常规的ct检查却不能有效的观察到人体的软组织，无法满足手术前临床医生对患者的软组织进行观察的需求。
4.因此，如何对患者的常规的ct图像进行增强优化，以使增强优化后的ct图像能够帮助临床医生构建各解剖结构的三维关系，辅助医生进行手术，则是一个亟待解决的问题。

技术实现要素：

5.本说明书提供一种模型的训练方法、ct图像的优化方法及装置，以部分的解决现有技术存在的上述问题。
6.本说明书采用下述技术方案：
7.本说明书提供了一种模型的训练方法，包括：
8.获取患者的计算机断层扫描ct图像，以及与所述ct图像对应的参考图像，所述参考图像包括：所述ct图像对应的核磁共振图像，和所述ct图像对应的软组织ct图像中的至少一种，所述软组织ct图像相比所述ct图像呈现更加清晰的软组织结构；
9.根据所述参考图像，确定所述ct图像对应的增强软组织图像，所述增强软组织图像融合有所述核磁共振图像和/或所述软组织ct图像的特征信息；
10.将所述ct图像输入到图像增强模型中，以使所述图像增强模型输出所述ct图像对应的待优化增强软组织图像；
11.以最小化所述待优化增强软组织图像和所述增强软组织图像之间的偏差为训练目标，对所述图像增强模型进行训练。
12.可选地，根据所述参考图像，确定所述ct图像对应的增强软组织图像，具体包括：
13.将所述核磁共振图像中呈现出的所述患者的身体部位，与所述软组织ct图像中呈现出的所述患者的身体部位对齐；
14.根据对齐后的所述核磁共振图像和所述软组织ct图像，确定所述ct图像对应的增
强软组织图像。
15.可选地，根据所述参考图像，确定所述ct图像对应的增强软组织图像，具体包括：
16.根据所述核磁共振图像中包含的各像素的灰度值，确定所述核磁共振图像中包含的各图像区域对应的权重；
17.基于所述核磁共振图像中包含的各图像区域对应的权重，确定所述ct图像对应的增强软组织图像。
18.可选地，所述核磁共振图像和所述软组织ct图像包括：切面图像；
19.将所述核磁共振图像中呈现出的所述患者的身体部位，与所述软组织ct图像中呈现出的所述患者的身体部位对齐，具体包括：
20.确定所述核磁共振图像中包含的各切面图像，作为第一切面图像，以及确定所述软组织ct图像中包含的各切面图像，作为第二切面图像；
21.针对每个第一切面图像，确定该第一切面图像对应的第二切面图像，根据该第一切面图像以及该第一切面图像对应的第二切面图像，确定调节参数，所述调节参数是用于将第一切面图像和第二切面图像对齐的参数；
22.根据所述调节参数，将所述核磁共振图像中呈现出的所述患者的身体部位，与所述软组织ct图像中呈现出的所述患者的身体部位对齐。
23.可选地，根据该第一切面图像以及该第一切面图像对应的第二切面图像，确定调节参数之前，还包括：
24.将该第一切面图像的图像数据，与该第一切面图像对应的第二切面图像的图像数据进行归一化处理；
25.根据该第一切面图像以及该第一切面图像对应的第二切面图像，确定调节参数，具体包括：
26.根据归一化后的该第一切面图像，以及该第一切面图像对应的归一化后的第二切面图像，确定调节参数。
27.可选地，根据该第一切面图像以及该第一切面图像对应的第二切面图像，确定调节参数，具体包括：
28.根据该第一切面图像以及该第一切面图像对应的第二切面图像，确定该第一切面图像以及该第一切面图像对应的第二切面图像的相似度；
29.根据所述相似度，确定调节参数。
30.可选地，以最小化所述待优化增强软组织图像和所述增强软组织图像之间的偏差为训练目标，对所述图像增强模型进行训练，具体包括：
31.根据所述待优化增强软组织图像和所述增强软组织图像，确定至少一个图像比对损失，所述图像比对损失包括：灰度损失、特征损失、感知损失中的至少一种，所述灰度损失用于表征所述待优化增强软组织图像和所述增强软组织图像之间灰度信息的差异程度，所述特征损失用于表征所述待优化增强软组织图像和所述增强软组织图像之间边缘特征、颜特征、亮度特征的差异程度，所述感知损失用于表征所述图像增强模型中提取的所述待优化增强软组织图像和所述增强软组织图像对应的特征向量之间的差异程度；
32.以最小化所述图像比对损失为训练目标，对所述图像增强模型进行训练。
33.本说明书提供了一种ct图像的优化方法，包括：
34.获取患者的待优化ct图像；
35.将所述待优化ct图像输入到预先训练的图像增强模型中，以通过所述优化模型，得到该待优化ct图像对应的增强软组织图像，所述图像增强模型是通过上述模型的训练方法训练得到的；
36.根据所述增强软组织图像，执行医疗任务。
37.本说明书提供了一种模型的训练装置，包括：
38.获取模块，用于获取患者的计算机断层扫描ct图像，以及与所述ct图像对应的参考图像，所述参考图像包括：所述ct图像对应的核磁共振图像，和所述ct图像对应的软组织ct图像中的至少一种，所述软组织ct图像相比所述ct图像呈现更加清晰的软组织结构；
39.配准融合模块，用于根据所述参考图像，确定所述ct图像对应的增强软组织图像，所述增强软组织图像融合有所述核磁共振图像和/或所述软组织ct图像的特征信息；
40.生成模块，用于将所述ct图像输入到图像增强模型中，以使所述图像增强模型输出所述ct图像对应的待优化增强软组织图像；
41.训练模块，以最小化所述待优化增强软组织图像和所述增强软组织图像之间的偏差为训练目标，对所述图像增强模型进行训练。
42.本说明书提供了一种ct图像的优化装置，包括：
43.获取模块，用于获取患者的待优化ct图像；
44.生成模块，用于将所述待优化ct图像输入到预先训练的图像增强模型中，以通过所述优化模型，得到该待优化ct图像对应的增强软组织图像，所述图像增强模型是通过上述模型的训练方法训练得到的；
45.执行模块，用于根据所述增强软组织图像，执行医疗任务。
46.本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述模型的训练方法或ct图像的优化方法。
47.本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述模型的训练方法或ct图像的优化方法。
48.本说明书采用的上述至少一个技术方案能够达到以下有益效果：
49.在本说明书提供的模型的训练方法，首先获取患者的计算机断层扫描ct图像，以及与ct图像对应的参考图像，其中，参考图像包括：ct图像对应的核磁共振图像，和ct图像对应的软组织ct图像中的至少一种，软组织ct图像相比ct图像呈现更加清晰的软组织结构，进而根据参考图像，确定ct图像对应的增强软组织图像，增强软组织图像融合有核磁共振图像和/或软组织ct图像的特征信息，将ct图像输入到图像增强模型中，以使图像增强模型输出ct图像对应的待优化增强软组织图像，最后以最小化待优化增强软组织图像和增强软组织图像之间的偏差为训练目标，对图像增强模型进行训练。
50.从上述方法中可以看出，在上述模型训练过程中，可以使图像增强模型在训练过程中能够学习到ct图像对应的参考图像中的软组织的特征信息，这样可以使得图像增强模型部署在实际应用过程中，可以对患者的ct图像进行增强优化，并且使增强优化后的ct图像能够清晰的呈现出患者的患病部位的图像，进而为后续需要执行的医疗任务提供帮助，提高医生执行医疗任务的效率。
附图说明
51.此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
52.图1为本说明书中提供的一种模型的训练方法的流程示意图；
53.图2为本说明书中提供的参考图像融合的示意图；
54.图3为本说明书中提供的一种ct图像的优化方法的流程示意图；
55.图4为本说明书提供的一种模型的训练装置的示意图；
56.图5为本说明书提供的一种ct图像的优化装置的示意图；
57.图6为本说明书提供的一种对应于图1的电子设备的示意图。
具体实施方式
58.为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。
59.以下结合附图，详细说明本说明书各实施例提供的技术方案。
60.图1为本说明书中提供的一种模型的训练方法的流程示意图，包括以下步骤：
61.s101：获取患者的计算机断层扫描ct图像，以及与所述ct图像对应的图像样本，所述参考图像包括：所述ct图像对应的核磁共振图像，和所述ct图像对应的软组织ct图像中的至少一种，所述软组织ct图像相比所述ct图像呈现更加清晰的软组织结构。
62.在本说明书中，部署有图像增强模型的设备，在对图像增强模型进行训练时，可以从历史采集的医学图像中，选出若干个患者的ct图像，以及与ct图像对应的参考图像，进而可以根据选取出的ct图像和参考图像，对图像增强模型进行训练，以使训练出的图像增强模型可以根据输入的患者的ct图像，输出该ct图像对应的增强软组织图像。
63.其中，参考图像可以是诸如：ct图像对应的核磁共振图像、ct图像对应的软组织ct图像等。软组织ct图像是通过使用与常规ct相比更低的电压和更高剂量的x射线采集出的ct图像，因此，软组织ct图像相比于常规ct图像具有更高的对比度和亮度，图像中呈现出的软组织结构也更加清晰。
64.另外，为了使训练出的图像增强模型能够具有更强的鲁棒性，在从历史采集的医学图像中，选择若干个患者的ct图像时，可以尽量选取不同部位的ct图像，从而使图像增强模型能够对各类患者的各个患病部位的ct图像进行增强优化，得到对应的增强软组织图像。
65.在本说明书中，用于实现模型的训练方法的执行主体，可以是指服务器等指定设备，也可以是指诸如台式电脑、笔记本电脑等终端设备，为了便于描述，下面仅以终端设备是执行主体为例，对本说明书提供的模型的训练方法进行说明。
66.s102：根据所述参考图像，确定所述ct图像对应的增强软组织图像，所述增强软组织图像融合有所述核磁共振图像和/或所述软组织ct图像的特征信息。
67.当终端设备获取到患者的ct图像，以及ct图像对应的参考图像之后，可以根据参
考图像，确定出ct图像对应的增强软组织图像，其中，增强软组织图像中融合有该ct图像对应各参考图像的特征信息。
68.具体地，若获取的ct图像对应的参考图像包括核磁共振图像和软组织ct图像，则根据ct图像对应的核磁共振图像和软组织ct图像，确定出ct图像对应的增强软组织图像，如图2所示。
69.图2为本说明书中提供的参考图像融合的示意图。
70.从图2中可以看出，在将核磁共振图像和软组织ct图像进行对齐时，终端设备可以先将软组织ct图像的位置固定，然后针对每轮参数调节，修改该轮参数调节中核磁共振图像的调节参数，以控制核磁共振图像的位置移动到该调节参数对应的位置，并计算出在当前位置下的核磁共振图像与软组织ct图像的相似度，直到满足预设的终止条件为止，并根据此时的调节参数将核磁共振图像中呈现出的患者的身体部位，与软组织ct图像中呈现出的患者的身体部位对齐(即将核磁共振图像和软组织ct图像配准)。
71.进一步地，可以将对齐后的核磁共振图像和软组织ct图像融合，得到ct图像对应的增强软组织图像，最后可以根据增强软组织图像对图像增强模型进行训练。
72.其中，调节参数是指用于将核磁共振图像和软组织ct图像进行对齐的参数，诸如：图像在x轴的平移量、图像在y轴的平移量、图像的放大或者缩小的倍数以及切面旋转角度等参数。
73.另外，由于核磁共振图像和软组织ct图像，在针对人体的不同组织结构进行呈现时，具体不同的效果，因此，在将对齐后的核磁共振图像和软组织ct图像进行融合之前，可以先针对人体的不同组织结构，根据核磁共振图像和软组织ct图像中包含的各像素的灰度值，在核磁共振图像和软组织ct图像中划分出不同的图像区域，并确定出核磁共振图像在各图像区域中对应的权重，以及软组织ct图像在各图像区域中对应的权重，进而可以根据对齐后的核磁共振图像和软组织ct图像，以及核磁共振图像和软组织ct图像在各图像区域对应的权重，将核磁共振图像和软组织ct图像融合，得到ct图像对应的增强软组织图像。
74.其中，图像区域是用于呈现人体不同部位的不同组织结构区域，例如：骨头对应的区域、肌肉对应的区域等，由于人体的不同结构的密度组成成分不同，导致不同结构在软组织ct图像和核磁共振图像中的灰度值不同，因此可以通过图像中的灰度值将人体的不同结构对应的区域分割出来，并根据软组织ct图像和核磁共振图像的特性，确定软组织ct图像和核磁共振图像在各图像区域中的权重。
75.在实际应用中，在将核磁共振图像和软组织ct图像进行对齐时，终端设备也可以先将核磁共振图像固定，然后通过多轮参数调节，确定出软组织ct图像的调节参数，进而根据软组织ct图像的调节参数，将核磁共振图像与软组织ct图像对齐。
76.在上述内容中，对图像进行分割的方法除了上述的基于图像的灰度值分割的方法，还可以是通过神经网络进行阈值分割、边缘检测、图像语义分析、区域特征提取等方法对图像进行分割，本说明书对此不作限制。
77.在本说明书中，相似度的计算方法可以是计算核磁共振图像与软组织ct图像的互信息值(存在两个变量，若知道两个变量其中一个，对另一个不确定度减少的程度即为互信息值)，当核磁共振图像与软组织ct图像的互信息值越大时，核磁共振图像与软组织ct图像的相似度越高。
78.在本说明书中，当核磁共振图像与软组织ct图像的互信息值为最大值时，则可以确定达到上述的预设条件，进而停止参数调节，当然，也可以是核磁共振图像与软组织ct图像的互信息值超过预设阈值时，则可以确定达到上述的预设条件，进而停止参数调节。预设条件的形式可以有多种，本说明书对此不作限制。
79.值得说明的是，将核磁共振图像和软组织ct图像进行配准的方法可以有多种，除上述的方法外，还可以是通过神经网络配准等方法，本说明书在此就不一一列举了。
80.在实际应用中ct图像、核磁共振图像和软组织ct图像除了是二维图像之外，也可以是由多层切面图像组成的三维图像，因此，当ct图像、核磁共振图像和软组织ct图像为三维图像时，终端设备可以将核磁共振图像中包含的各切面图像，作为第一切面图像，以及将软组织ct图像中包含的各切面图像，作为第二切面图像(终端设备也可以将核磁共振图像中包含的各切面图像作为第二切面图像，将软组织ct图像中包含的各切面图像作为第一切面图像)，其中，切面图像可以是诸如：水平切面图像，冠状切面图像，矢状切面图像等三维图像中的任一角度的切面图像。
81.进一步地，终端设备可以针对每个第一切面图像，确定该第一切面图像对应的第二切面图像，根据该第一切面图像以及该第一切面图像对应的第二切面图像，通过上述方法，确定第一切面图像和第二切面图像的调节参数，进而根据调节参数，将核磁共振图像中呈现出的患者的身体部位，与软组织ct图像中呈现出的患者的身体部位对齐，通过将核磁共振三维图像的每个切面图像与软组织ct三维图像的每个切面图像对齐的方式，将核磁共振三维图像和软组织ct三维图像整体对齐，然后通过上述方法将核磁共振三维图像和软组织ct三维图像融合，得到增强软组织图像。
82.在实际应用的过程中，由于核磁共振三维图像和软组织ct三维图像在成像的过程中使用的方法不同，从而导致成像后的核磁共振三维图像和软组织ct三维图像的图像数据(图像数据包括诸如：单位像素物理尺寸、相邻的两个切面图像之间的高度间距等)也不相同，进而对终端设备将核磁共振三维图像和软组织ct三维图像进行对齐的过程造成影响。
83.因此，在终端设备将核磁共振三维图像和软组织ct三维图像进行对齐之前，还可以将核磁共振三维图像的各第一切面图像的图像数据，与软组织ct三维图像的各第二切面图像的图像数据进行归一化处理，进而可以通过将归一化后的每个第一切面图像和每个第二切面图像对齐，来将核磁共振三维图像和软组织ct三维图像整体对齐。
84.当然，在本说明书中，终端设备获取的ct图像对应的参考图像，也可以只包含有核磁共振图像或是软组织ct图像中的一种图像，在这种情况下，终端设备则可以根据ct图像和ct图像对应的核磁共振图像，来得到增强软组织图像，或者是，可以根据ct图像和ct图像对应的软组织ct图像，得到增强软组织图像，具体可以参考上述方法。
85.s103：将所述ct图像输入到图像增强模型中，以使所述图像增强模型输出所述ct图像对应的待优化增强软组织图像。
86.s104：以最小化所述待优化增强软组织图像和所述增强软组织图像之间的偏差为训练目标，对所述图像增强模型进行训练。
87.终端设备可以在基于参考图像得到ct图像对应的增强软组织图像后，将ct图像输入到图像增强模型中，并得到图像增强模型输出的ct图像对应的待优化增强软组织图像，进而可以以最小化待优化增强软组织图像和增强软组织图像之间的偏差为优化目标，对图
像增强模型进行训练。
88.具体地，终端设备可以根据待优化增强软组织图像和增强软组织图像，确定至少一个图像比对损失，并以最小化图像比对损失为训练目标，对图像增强模型进行训练。
89.其中，图像比对损失可以包括：灰度损失、特征损失、感知损失中的至少一种，其中，灰度损失用于表征待优化增强软组织图像和增强软组织图像之间灰度信息的差异程度，特征损失用于表征待优化增强软组织图像和增强软组织图像之间边缘特征、颜特征、亮度特征的差异程度，感知损失用于表征图像增强模型中提取的待优化增强软组织图像和增强软组织图像对应的特征向量之间的差异程度。
90.通过上述内容可以看出，终端设备可以从历史采集的医学图像中，选出若干个患者的ct图像，以及与ct图像对应的参考图像，进而可以根据选取出的ct图像和参考图像，对图像增强模型进行训练，以使图像增强模型在训练过程中可以学习到参考图像的各特征信息，进而可以使训练出的图像增强模型能够根据输入的患者的ct图像，输出该ct图像对应的增强软组织图像。
91.当然，由于模型的训练需要一定的时间才能完成，因此为了缩短模型训练的周期，终端设备也可以通过上述的方法，对使用其他医学图像初步训练出的神经网络模型进行进一步训练，从而得到图像增强模型，可以理解为，由于基于其他医学图像训练出的神经网络模型针对医学图像的特征提取的能力已经得到很好的训练，因此，可以直接对这种已经有一定能力的模型进行进一步地的训练，进而可以缩短图像增强模型的训练周期。
92.为了进一步地对本说明书进行说明，下面详细描述通过上述方法训练得到的图像增强模型部署到实际应用中后进行ct图像优化的方法，如图3所示。
93.图3为本说明书中提供的一种ct图像的优化方法的流程示意图，包括以下步骤：
94.s301：获取患者的待优化ct图像。
95.s302：将所述待优化ct图像输入到预先训练的图像增强模型中，以通过所述优化模型，得到该待优化ct图像对应的增强软组织图像，所述图像增强模型是通过上述模型的训练方法训练得到的
96.s303：根据所述增强软组织图像，执行医疗任务。
97.在本说明书中，终端设备可以获取患者的ct图像，作为待优化ct图像，进而将患者的ct图像输入到图像增强模型中，以使图像增强模型输出该ct图像对应的增强软组织图像，进而可以根据增强软组织图像，执行医疗任务。
98.例如：对图像增强模型输出的增强软组织图像进行病情分析，确定病人的病情，构建患者的各解剖结构的三维关系，为医生的手术提供支持。再例如：将图像增强模型输出的增强软组织图像打印给患者，以供患者就医。
99.通过上述内容可以看出，终端设备通过图像增强模型，可以仅根据患者的ct图像，生成能够清晰的呈现出患者的患病部位的组织结构的增强软组织图像，进而为后续需要执行的医疗任务提供帮助，并提高了医生执行医疗任务的效率。
100.以上为本说明书的一个或多个实施例提供的模型的训练方法以及ct图像的优化方法，基于同样的思路，本说明书还提供了相应的模型的训练装置，以及ct图像的优化装置如图4、5所示。
101.图4为本说明书提供的一种模型的训练装置的示意图，包括：
102.获取模块401，用于获取患者的计算机断层扫描ct图像，以及与所述ct图像对应的图像样本，所述参考图像包括：所述ct图像对应的核磁共振图像，和所述ct图像对应的软组织ct图像中的至少一种，所述软组织ct图像相比所述ct图像呈现更加清晰的软组织结构；
103.配准融合模块402，用于根据所述参考图像，确定所述ct图像对应的增强软组织图像，所述增强软组织图像融合有所述核磁共振图像和/或所述软组织ct图像的特征信息；
104.生成模块403，用于将所述ct图像输入到图像增强模型中，以使所述图像增强模型输出所述ct图像对应的待优化增强软组织图像；
105.训练模块404，以最小化所述待优化增强软组织图像和所述增强软组织图像之间的偏差为训练目标，对所述图像增强模型进行训练。
106.可选地，所述配准融合模块402具体用于，将所述核磁共振图像中呈现出的所述患者的身体部位，与所述软组织ct图像中呈现出的所述患者的身体部位对齐；根据对齐后的所述核磁共振图像和所述软组织ct图像，确定所述ct图像对应的增强软组织图像。
107.可选地，所述配准融合模块402具体用于，根据所述参考图像中包含的各像素的灰度值，确定所述参考图像中包含的各图像区域对应的权重；基于所述参考图像中包含的各图像区域对应的权重，确定所述ct图像对应的增强软组织图像。
108.可选地，所述核磁共振图像和所述软组织ct图像包括：切面图像；
109.所述配准融合模块402具体用于，确定所述核磁共振图像中包含的各切面图像，作为第一切面图像，以及确定所述软组织ct图像中包含的各切面图像，作为第二切面图像；针对每个第一切面图像，确定该第一切面图像对应的第二切面图像，根据该第一切面图像以及该第一切面图像对应的第二切面图像，确定调节参数，所述调节参数是用于将第一切面图像和第二切面图像对齐的参数；根据所述调节参数，将所述核磁共振图像中呈现出的所述患者的身体部位，与所述软组织ct图像中呈现出的所述患者的身体部位对齐。
110.可选地，所述配准融合模块402具体用于，将该第一切面图像的图像数据，与该第一切面图像对应的第二切面图像的图像数据进行归一化处理；
111.所述配准融合模块402具体用于，根据归一化后的该第一切面图像，以及该第一切面图像对应的归一化后的第二切面图像，确定调节参数。
112.可选地，所述配准融合模块402具体用于，根据该第一切面图像以及该第一切面图像对应的第二切面图像，确定该第一切面图像以及该第一切面图像对应的第二切面图像的相似度；根据所述相似度，确定调节参数。
113.可选地，所述训练模块404具体用于，根据所述待优化增强软组织图像和所述增强软组织图像，确定至少一个图像比对损失，所述图像比对损失包括：灰度损失、特征损失、感知损失中的至少一种，所述灰度损失用于表征所述待优化增强软组织图像和所述增强软组织图像之间灰度信息的差异程度，所述特征损失用于表征所述待优化增强软组织图像和所述增强软组织图像之间边缘特征、颜特征、亮度特征的差异程度，所述感知损失用于表征所述图像增强模型中提取的所述待优化增强软组织图像和所述增强软组织图像对应的特征向量之间的差异程度；以最小化所述图像比对损失为训练目标，对所述图像增强模型进行训练。
114.图5为本说明书提供的一种ct图像的优化装置的示意图，包括：
115.获取模块501，用于获取患者的待优化ct图像；
116.生成模块502，用于将所述待优化ct图像输入到预先训练的图像增强模型中，以通过所述优化模型，得到该待优化ct图像对应的增强软组织图像，所述图像增强模型是通过上述模型的训练方法训练得到的；
117.执行模块503，用于根据所述增强软组织图像，执行医疗任务。
118.本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的一种模型的训练方法或一种ct图像的优化方法。
119.本说明书还提供了图6所示的一种对应于图1的电子设备的示意结构图。如图6所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的模型的训练方法或一种ct图像的优化方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
120.在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(programmable logic device,pld)(例如现场可编程门阵列(field programmable gate array，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(hardware description language，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advanced boolean expression language)、ahdl(altera hardware description language)、confluence、cupl(cornell university programming language)、hdcal、jhdl(java hardware description language)、lava、lola、myhdl、palasm、rhdl(ruby hardware description language)等，目前最普遍使用的是vhdl(very-high-speed integrated circuit hardware description language)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
121.控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(application specific integrated circuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc 625d、atmel at91sam、microchip pic18f26k20以及silicone labs c8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使
得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
122.上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
123.为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
124.本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
125.本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
126.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
127.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
128.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
129.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
130.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动
态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
131.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
132.本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
133.本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
134.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
135.以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

技术特征：

1.一种模型的训练方法，其特征在于，包括：获取患者的计算机断层扫描ct图像，以及与所述ct图像对应的参考图像，所述参考图像包括：所述ct图像对应的核磁共振图像，和所述ct图像对应的软组织ct图像中的至少一种，所述软组织ct图像相比所述ct图像呈现更加清晰的软组织结构；根据所述参考图像，确定所述ct图像对应的图像，所述图像融合有所述核磁共振图像和/或所述软组织ct图像的特征信息；将所述ct图像输入到图像增强模型中，以使所述图像增强模型输出所述ct图像对应的待优化图像；以最小化所述待优化增强软组织图像和所述增强软组织图像之间的偏差为训练目标，对所述图像增强模型进行训练。2.如权利要求1所述的方法，其特征在于，根据所述参考图像，确定所述ct图像对应的增强软组织图像，具体包括：将所述核磁共振图像中呈现出的所述患者的身体部位，与所述软组织ct图像中呈现出的所述患者的身体部位对齐；根据对齐后的所述核磁共振图像和所述软组织ct图像，确定所述ct图像对应的增强软组织图像。3.如权利要求1或2所述的方法，其特征在于，根据所述参考图像，确定所述ct图像对应的增强软组织图像，具体包括：根据所述参考图像中包含的各像素的灰度值，确定所述参考图像中包含的各图像区域对应的权重；基于所述参考图像中包含的各图像区域对应的权重，确定所述ct图像对应的增强软组织图像。4.如权利要求2所述的方法，其特征在于，所述核磁共振图像和所述软组织ct图像包括：切面图像；将所述核磁共振图像中呈现出的所述患者的身体部位，与所述软组织ct图像中呈现出的所述患者的身体部位对齐，具体包括：确定所述核磁共振图像中包含的各切面图像，作为第一切面图像，以及确定所述软组织ct图像中包含的各切面图像，作为第二切面图像；针对每个第一切面图像，确定该第一切面图像对应的第二切面图像，根据该第一切面图像以及该第一切面图像对应的第二切面图像，确定调节参数，所述调节参数是用于将第一切面图像和第二切面图像对齐的参数；根据所述调节参数，将所述核磁共振图像中呈现出的所述患者的身体部位，与所述软组织ct图像中呈现出的所述患者的身体部位对齐。5.如权利要求4所述的方法，其特征在于，根据该第一切面图像以及该第一切面图像对应的第二切面图像，确定调节参数之前，还包括：将该第一切面图像的图像数据，与该第一切面图像对应的第二切面图像的图像数据进行归一化处理；根据该第一切面图像以及该第一切面图像对应的第二切面图像，确定调节参数，具体包括：
根据归一化后的该第一切面图像，以及该第一切面图像对应的归一化后的第二切面图像，确定调节参数。6.如权利要求4所述的方法，其特征在于，根据该第一切面图像以及该第一切面图像对应的第二切面图像，确定调节参数，具体包括：根据该第一切面图像以及该第一切面图像对应的第二切面图像，确定该第一切面图像以及该第一切面图像对应的第二切面图像的相似度；根据所述相似度，确定调节参数。7.如权利要求1所述的方法，其特征在于，以最小化所述待优化增强软组织图像和所述增强软组织图像之间的偏差为训练目标，对所述图像增强模型进行训练，具体包括：根据所述待优化增强软组织图像和所述增强软组织图像，确定至少一个图像比对损失，所述图像比对损失包括：灰度损失、特征损失、感知损失中的至少一种，所述灰度损失用于表征所述待优化增强软组织图像和所述增强软组织图像之间灰度信息的差异程度，所述特征损失用于表征所述待优化增强软组织图像和所述增强软组织图像之间边缘特征、颜特征、亮度特征的差异程度，所述感知损失用于表征所述图像增强模型中提取的所述待优化增强软组织图像和所述增强软组织图像对应的特征向量之间的差异程度；以最小化所述图像比对损失为训练目标，对所述图像增强模型进行训练。8.一种ct图像的优化方法，其特征在于，包括：获取患者的待优化ct图像；将所述待优化ct图像输入到预先训练的图像增强模型中，以通过所述优化模型，得到该待优化ct图像对应的增强软组织图像，所述图像增强模型是通过上述权利要求1～7任一项所述的方法训练得到的；根据所述增强软组织图像，执行医疗任务。9.一种模型的训练装置，其特征在于，包括：获取模块，用于获取患者的计算机断层扫描ct图像，以及与所述ct图像对应的参考图像，所述参考图像包括：所述ct图像对应的核磁共振图像，和所述ct图像对应的软组织ct图像中的至少一种，所述软组织ct图像相比所述ct图像呈现更加清晰的软组织结构；配准融合模块，用于根据所述参考图像，确定所述ct图像对应的增强软组织图像，所述增强软组织图像融合有所述核磁共振图像和/或所述软组织ct图像的特征信息；生成模块，用于将所述ct图像输入到图像增强模型中，以使所述图像增强模型输出所述ct图像对应的待优化增强软组织图像；训练模块，以最小化所述待优化增强软组织图像和所述增强软组织图像之间的偏差为训练目标，对所述图像增强模型进行训练。10.一种ct图像的优化装置，其特征在于，包括：获取模块，用于获取患者的待优化ct图像；生成模块，用于将所述待优化ct图像输入到预先训练的图像增强模型中，以通过所述优化模型，得到该待优化ct图像对应的增强软组织图像，所述图像增强模型是通过上述权利要求1～7任一项所述的方法训练得到的；执行模块，用于根据所述增强软组织图像，执行医疗任务。11.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计
算机程序被处理器执行时实现上述权利要求1～7或8任一项所述的方法。12.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1～7或8任一项所述的方法。

技术总结

本说明书公开了一种模型的训练方法、CT图像的优化方法及装置，可以通过在图像增强模型针对CT图像输出的待优化图像与根据参考图像确定出的图像之间的偏差不断减小的过程中，使图像增强模型在训练过程中能够学习到CT图像对应的参考图像中的软组织的特征信息，这样可以使得训练后的图像增强模型在实际应用中，可以对患者的CT图像进行增强优化，并且使增强优化后的CT图像能够清晰的呈现出患者的患病部位的图像，进而提高了医生执行医疗任务的效率。率。率。