中文标题：联合掩码引导与多频域双重注意力机制的急性缺血性脑卒中CT到DWI影像生成模型

英文标题：Joint Mask and Multi-Frequency Dual Attention GAN Network for CT-to-DWI Image Synthesis in Acute Ischemic Stroke

来源期刊：电子与信息学报

基金项目：国家自然科学基金(61802330，61802331)，山东省自然科学基金(ZR2024MH072)，烟台市科技创新发展计划(2023XDRH006)，山东省科技型中小企业创新能力提升项目(2023TSGC0878)

作  者：张泽华¹ 赵宁¹ 王帅² 王璇¹ 郑强¹

作者单位：1. 烟台大学计算机与控制工程学院 烟台 264005
2. 滨州医学院附属医院 滨州 256603

摘  要：基于人工智能的跨模态医学图像生成技术为急性缺血性脑卒中的快速多模态诊疗提供了新的路径。针对如何解决现有的医学图像生成方法仅依赖图像数据本身的统计特征，忽略了医学图像的解剖结构，从而造成了病灶模糊和结构偏差问题，该文提出一种新的联合掩码与多频双重注意力GAN模型，用于急性脑缺血性卒中CT到DWI影像生成。该模型主要包含：(1)掩码引导特征融合模块：通过CT图像与掩码图像的卷积融合，引入解剖结构的空间先验信息，增强脑区及病灶区域的特征表达；(2)多频域注意力编码器：采用离散小波变换分解低频全局特征与高频边缘特征，通过双通路注意力跨尺度融合，减少深层信息的丢失；(3)自适应融合权重模块：结合卷积神经网络与注意力机制，自动学习每个输入特征的自适应权重系数。本研究在临床CT到DWI多模态急性脑缺血性卒中数据集上开展了实验验证，分别在全局尺度采用均方误差、峰值信噪比、结构相似度指数进行评估，在局部尺度基于超像素分割后统计灰度均值相关性进行分析。结果表明，所提模型在各项指标上均优于当前先进方法，对脑区轮廓和病灶区域具有更高的准确性和还原性。

全文链接： https://jeit.ac.cn/cn/article/doi/10.11999/JEIT250643