成果介绍
本发明实施例公开了一种图像生成模型训练及图像生成方法、装置、设备和介质,其中,方法包括:获取感兴趣部位的不同模态图像,并基于所述不同模态图像组成至少一组图像对;针对每一组图像对,将图像对中的第一模态图像输入到预设图像生成模型中,并以图像对中的第二模态图像作为学习标准,对所述预设图像生成模型进行有监督的模型训练;当所述预设图像生成模型的损失函数满足预设条件时,得到目标图像生成模型,完成模型训练过程。解决了为获取感兴趣区域全面的信息,扫描获取不同模态的图像,耗时且成本高的问题,实现了基于一种模态的图像生成其他模态图像,提高获取多个模态图像的效率,节约获取多模态图像的时间成本。
成果亮点
1.一种图像生成模型训练方法,其特征在于,所述方法包括:
获取感兴趣部位的不同模态图像,并基于所述不同模态图像组成至少一组图像对;
针对每一组图像对,将图像对中的第一模态图像输入到预设图像生成模型中,并以图像对中的第二模态图像作为学习标准,对所述预设图像生成模型进行有监督的模型训练;
当所述预设图像生成模型的损失函数满足预设条件时,得到目标图像生成模型,完成模型训练过程。
2.根据权利要求1所述的方法,其特征在于,在对所述预设图像生成模型进行有监督的模型训练之前,所述方法还包括:
将所述第一模态图像向所述第二模态图像配准;
将配准后的第一模态图像作为所述预设图像生成模型的输入数据,输入到所述预设图像生成模型中。
3.根据权利要求2所述的方法,其特征在于,所述将所述第一模态图像向所述第二模态图像配准,包括:
采用预设配准算法或预训练的图像配准神经网络,将所述第一模态图像向所述第二模态图像配准。
团队介绍
1.一种图像生成模型训练方法,其特征在于,所述方法包括:
获取感兴趣部位的不同模态图像,并基于所述不同模态图像组成至少一组图像对;
针对每一组图像对,将图像对中的第一模态图像输入到预设图像生成模型中,并以图像对中的第二模态图像作为学习标准,对所述预设图像生成模型进行有监督的模型训练;
当所述预设图像生成模型的损失函数满足预设条件时,得到目标图像生成模型,完成模型训练过程。
2.根据权利要求1所述的方法,其特征在于,在对所述预设图像生成模型进行有监督的模型训练之前,所述方法还包括:
将所述第一模态图像向所述第二模态图像配准;
将配准后的第一模态图像作为所述预设图像生成模型的输入数据,输入到所述预设图像生成模型中。
3.根据权利要求2所述的方法,其特征在于,所述将所述第一模态图像向所述第二模态图像配准,包括:
采用预设配准算法或预训练的图像配准神经网络,将所述第一模态图像向所述第二模态图像配准。
成果资料
产业化落地方案