摘要：医学成像在医疗保健中起着至关重要的作用，其中磁共振成像 (MRI) 和计算机断层扫描 (CT) 是主要模式，每种模式都有其独特的优点和缺点。MRI 提供出色的软组织对比度，但速度慢且成本高，而 CT 速度更快但涉及电离辐射。为了解决这一矛盾，我们利用深度学习，采用 CycleGAN 将 CT 扫描转换为类似 MRI 的图像。这种方法消除了额外的辐射暴露或成本。我们的结果显示了我们的图像转换方法的有效性，MAE 为 0.5309，MSE 为 0.37901，PSNR 为 52.344，证明了本发明在降低医疗保健成本、扩展诊断能力和改善患者结果方面的前景。该模型在 Nvidia GPU RTX A6OOO 上训练了 500 个时期，批次大小为 500。