随着物质生活水平的提高,人们的寿命整体上延长,与病魔做斗争也随之增多。据相关统计,一个人一生当中可能患癌的概率大概是60%～70%,在老年时期的患病率更大。中国每年的癌症发病人数约为260万,约有死亡人数180万,并且其人数还呈现逐年增加的态势。所以在与病魔较量的时候,不仅要培养大量优秀的医生,也要给他们提供相应的更行之有效的技术支持。医学影像一直以来就是医生的得力助手,为治疗提供了更为简单明了的方式。与普通图像相比,医学图像具有更多的纹理,更高的分辨率,更强的相关性并需要更大的存储空间。为了保证临床应用的可靠性,研究人员在图像预处理、图像分析和理解上有着更高的要求。医学图像处理涉及计算机、数学、图形学和医学等多个不同的学科领域。处理技术包括图像变换、图像增强、图像压缩、图像平滑、图像分割、图像识别、边缘锐化和图像融合等等。近年来,研究人员在医学图像处理中引入了众多领域的多种方法。经过不断的改进,在效果和效率上,医学图像处理算法都得到一定程度的提高。医学图像的获取方式多样,各有其优点和缺点。有时,出于成本和对人体所造成的副作用等因素的考虑,会利用其他成像技术获得的图像来合成研究时所需的图像。这是医学图像合成的一个重要研究方向。目前,解决医学图像合成问题的传统方法是利用成像系统采集的数据通过算法重构得到,提高医学图像质量的方法集中在提高成像系统数据采集效率和改进重构算法上。传统方法在医学图像数据多且易获取上的场景上表现尚可,但是面对分辨力较低、对比度更低,样本量更少等复杂情况时并不能表现很好,且又由于医学治疗中辐射暴露的问题,更需要不同模态的图像验证。针对这些问题,本论文提出利用胶囊网络和深度生成对抗网络来求解,主要完成的研究工作包括以下几个部分:1.设计了基于改进的胶囊网络的动脉自旋标记图像合成。胶囊网络的最大特性是可以在合成结果中很好地保留医学影像中有价值的细节,实验中用改进的胶囊网络从结构性磁共振成像图像来合成动脉自旋标记图像。本研究的重要贡献包括:(1)在优化胶囊网络模型结构时,深入研究了胶囊网络的三个重要问题,包括基本卷积层数、胶囊层数、胶囊容量等;(2)利用改进的胶囊网络首次成功地从结构性磁共振图像合成了动脉自旋标记图像。2.设计基于局部约束的WGAN-GP集成来进行动脉自旋标记图像合成。考虑到利用胶囊网络对提高相似度的效果还不是很明显,并且在胶囊层数递加时效果反而会变差,所以本次设计基于局部约束的WGAN-GP集成,在集成中加入局部约束可以获得更多的图像细节。在与金标准进行差分的定性实验中,WGAN-GP集成在所有对比模型中获得了最低的差异图像,这说明WGAN-GP合成的图像最接近金标准。另外在联合多模态进行老年痴呆症诊断的定量实验中,WGAN-GP模型同样获得了最接近金标准的平均诊断准确率70.43%。实验结果表明,WGAN-GP集成相比于其他模型具有更好的动脉自旋标记图像合成性能。3.设计了基于高斯混合模型噪声的WGAN-GP模型来进行动脉自旋标记图像合成。为了更好地反映医学图像中常见的非均匀性特征,将Glow模型生成的基于高斯混合模型的模型噪声引入到WGAN-GP模型中,这有利于生成高质量的综合医学图像。该模型不仅能够从结构性磁共振图像合成动脉自旋标记图像,还能够从动脉自旋标记图像合成结构性磁共振图像。一般来说,结构性磁共振图像的分辨率高于动脉自旋标记图像,所以从动脉自旋标记图像合成结构性磁共振图像更具有挑战性。本研究通过一系列严格的定性与定量实验,证明了基于高斯混合模型噪声的WGAN-GP能够在所有对比模型中合成最接近金标准的结构性磁共振(或动脉自旋标记图像)图像,同时在老年痴呆症诊断中能够获得最接近金标准的平均诊断准确率66.96%(对于合成结构性磁共振图像)和65.75%(对于合成动脉自旋标记图像)。