(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210943208.1 (22)申请日 2022.08.08 (71)申请人 清华大学 地址 100084 北京市海淀区双清路3 0号 申请人 北京邮电大 学 (72)发明人 陈挺　王光宇　韩荣　刘晓鸿　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 赵翠香 (51)Int.Cl. G06T 11/00(2006.01) G06N 20/00(2019.01) G06V 10/25(2022.01) G06V 10/26(2022.01) G06V 10/764(2022.01)G06V 10/774(2022.01) (54)发明名称 一种医学图像的生成方法、 装置、 设备及存 储介质 (57)摘要 本发明公开了一种医学图像的生 成方法、 装 置、 设备及存储介质， 该方法包括： 将获取到的待 检测数据输入到预先训练完成的目标生成对抗 模型中的目标生成器中； 通过目标生成器， 基于 待检测数据和目标生成器中的至少两个数据仿 射变换参数， 确定至少两个待检测特征； 获取目 标生成器中与各数据仿射变换参数分别对应的 目标生成网络层， 并针对每个目标生成网络层， 将与目标生成网络层对应的待检测特征输入到 目标生成网络层中； 将目标生 成器中的最后一个 生成网络层输出的待检测 医学图像作为虚拟医 学图像。 本发 明实施例解决了 现有的生成对抗模 型中的生成网络层无法精确控制语义特征的问 题， 提高了虚拟医学图像的分辨 率。 权利要求书2页 说明书13页 附图6页 CN 115239838 A 2022.10.25 CN 115239838 A 1.一种医学图像的生成方法， 其特 征在于， 包括： 响应于获取到待检测数据， 将所述待检测数据输入到预先训练完成的目标生成对抗模 型中的目标生成器中； 通过所述目标生成器， 基于所述待检测数据和所述目标生成器中的至少两个数据仿射 变换参数， 确定 至少两个待检测特 征； 获取所述目标生成器中与 各所述数据仿射变换参数分别对应的目标生成网络层， 并针 对每个目标生成网络层， 将与所述目标生成网络层 对应的待检测特征输入到所述目标生成 网络层中； 将所述目标生成器中的最后一个生成网络层输出的待检测医学图像作为虚拟医学图 像。 2.根据权利要求1所述的方法， 其特征在于， 所述待检测数据包括待检测结构掩膜和待 检测感兴趣区域掩膜， 或者所述待检测数据包括待检测结构掩膜、 待检测感兴趣区域掩膜 和待检测随机向量。 3.根据权利要求2所述的方法， 其特征在于， 当所述待检测数据包括所述待检测随机向 量时， 所述方法还 包括： 通过所述目标生成器， 基于所述待检测随机向量和所述目标生成器中的至少两个向量 仿射变换参数， 确定 至少两个目标随机向量； 针对每个目标生成网络层， 将与 所述目标生成网络层对应的目标随机向量输入到所述 目标生成网络层中。 4.根据权利要求1所述的方法， 其特 征在于， 所述目标生成对抗模型的训练方法包括： 响应于获取到训练样本数据， 将所述训练样本数据输入到初始生成对抗模型中的初始 生成器中， 得到 输出的预测医学图像； 基于所述预测医学图像、 所述初始生成对抗模型中的初始判别器和预先训练完成的目 标图像分类模型， 得到所述初始判别器输出的第一预测分类结果和所述目标图像分类模型 输出的第二预测分类结果； 基于所述第一预测分类结果和第二预测分类结果， 确定目标损 失函数， 并基于所述目 标损失函数， 对所述初始生成对抗模型中的初始生成器和初始判别器的模型参数进行调 整， 得到训练完成的目标生 成对抗模型； 其中， 所述模型参数包括至少两个目标生成网络层 分别对应的数据仿射变换参数。 5.根据权利要求4所述的方法， 其特征在于， 所述训练样本数据包括训练结构掩膜和训 练感兴趣区域掩膜， 或者所述训练样本数据包括训练结构掩膜和训练感兴趣区域掩膜和训 练随机向量， 相应的， 当所述训练样本数据包括所述训练随机向量时， 所述模型参数还包括 至少两个目标生成网络层分别对应的向量仿射变换参数。 6.根据权利要求4所述的方法， 其特征在于， 所述基于所述第 一预测分类结果和第 二预 测分类结果， 确定目标损失函数， 包括： 基于训练医学图像、 所述初始生成对抗模型中的初始判别器和所述目标图像分类模 型， 得到所述初始判别器输出的第一标准分类结果和所述目标图像分类模 型输出的第二标 准分类结果； 基于所述第一预测分类结果和第一标准分类结果， 确定生成对抗损 失函数， 并基于所权　利　要　求　书 1/2 页 2 CN 115239838 A 2述第二预测分类结果和第二标准分类结果， 确定图像损失函数； 其中， 所述图像损失函数表 征所述第二预测分类结果和第二标准分类结果之间的分布 距离； 基于所述 生成对抗损失函数和所述图像损失函数， 确定目标损失函数。 7.根据权利要求6所述的方法， 其特征在于， 所述基于所述生成对抗损失函数和所述图 像损失函数， 确定目标损失函数， 包括： 针对所述目标图像分类模型中的每个目标分类网络层， 获取所述目标分类网络层对应 的训练特 征矩阵和预测特 征矩阵； 基于至少一个训练特征矩阵和预测特征矩阵， 确定特征损失函数； 其中， 所述特征损失 函数表征训练特 征矩阵和预测特 征矩阵之间的分布 距离之和； 基于所述生成对抗损 失函数、 所述图像损 失函数和所述特征损 失函数， 确定目标损 失 函数； 其中， 所述目标图像分类模型包含至少一个目标分类网络层， 所述训练特征矩阵是所 述目标分类网络层基于输入的训练医学图像输出的， 所述预测特征矩阵是所述目标分类网 络层基于 输入的预测医学图像输出的。 8.一种医学图像的生成装置， 其特 征在于， 包括： 待检测数据输入模块， 用于响应于获取到待检测数据， 将所述待检测数据输入到预先 训练完成的目标生成对抗模型中的目标生成器中； 待检测特征确定模块， 用于通过所述目标生成器， 基于所述待检测数据和所述目标生 成器中的至少两个数据仿射变换参数， 确定 至少两个待检测特 征； 待检测特征输入模块， 用于获取所述目标生成器中与 各所述数据仿射变换参数分别对 应的目标生成网络层， 并针对每个目标生成网络层， 将与所述 目标生成网络层对应的待检 测特征输入到所述目标生成网络层中； 虚拟医学图像确定模块， 用于将所述目标生成器中的最后 一个生成网络层输出的待检 测医学图像作为虚拟医学图像。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使所述至少一个处理器能够执行权利要求1 ‑7中任一项所述的 医学图像的生成方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机指 令， 所述计算机指令用于使处理器执行时实现权利要求1 ‑7中任一项所述的医学图像的生 成方法。权　利　要　求　书 2/2 页 3 CN 115239838 A 3