一、学术报告题目：放疗中基于深层神经网络模型获取伪CT的成像研究
二、报告人：孙鸿飞
三、报告时间：2021年12月25日 下午2点
四、报告地点;腾讯会议 会议号：162-288-557
五、报告内容简介：
根据迭代阈值分割的思想，提出一种基于自适应角点响应阈值选取的Harris角点检测算法，并利用分步局部的拼接算法来获取宽景超声图像。同时提出一种基于超声图像下的堆叠生成对抗网络(sGAN)获取伪CT的方法。将伪CT的合成过程分为两个阶段，阶段一使用改进的条件生成对抗网络(cGAN)，将标签超声图像输入到网络中并建立其与CT图像的对应映射关系，来获取目标图像的主要纹理信息及灰度信息，生成分辨率低的模糊伪CT图像，阶段二使用超分辨率生成对抗网络(SRGAN)，将阶段一获取的低分辨率模糊伪CT作为网络的输入，利用基于ResNet与FCN修正阶段一的结果，最终获取纹理清晰且灰度准确的伪CT图像。该方法解决了超声图像不能直接用于放疗剂量计算的问题，并为宫颈癌放疗中的图像引导方式提供了一种新的思路。
孙鸿飞，我院2019级秋季在读博士研究生，主要研究方向为医学物理、放疗剂量学及医学图像处理。
