一种基于全卷积网络和条件生成对抗网络的图像合成方法

摘要

本发明中提出的一种基于全卷积网络和条件生成对抗网络的图像合成方法，其内容主要包括：预处理数据、训练全卷积网络(FCN)、计算损失权重、训练条件生成对抗网络(cGAN)，其过程为，先输入预处理数据，包括源计算机断层扫描(CT)图像和目标正电子发射断层扫描(PET)图像，设置图像尺寸；然后将FCN中的层转化成卷积并删除分类层，附加通道维度卷积，生成类PET的图像；接着计算损失权重判断类PET图像的质量；再将源CT图像和类PET图像输入到cGAN，使用cGAN改进和细化FCN输出，直至生成PET图像。本发明扩展了数据集，避免了图像混合步骤，避免了使用手工标记和标注医疗数据，节约时间并提高系统性能。