[发明专利]基于权重图设计的前列腺磁共振图像分割方法及系统

说明书

本发明公开了一种基于权重图设计的前列腺磁共振图像分割方法及系统，涉及医学图像处理领域。该方法包括以下步骤：在训练阶段，将图像输入全卷积网络，得到相应的输出概率，计算输出概率与标签之间的交叉熵；仅根据标签计算加权损失函数中的权重图，将交叉熵与权重图按像素至像素的方式相乘，得到最终的损失，调整全卷积网络的参数，使该损失达到最小值；在分割阶段，将待分割的前列腺磁共振图像输入训练好的全卷积网络，得到初分割结果。本发明能够实现从磁共振图像自动分割前列腺内的中央腺体和外周区域。

技术领域

本发明涉及医学图像处理领域，具体是涉及一种基于权重图设计的前列腺磁共振图像分割方法及系统。

背景技术

前列腺疾病在年龄较大的男性中很常见。特别是，前列腺癌已经成为威胁男性健康的第二常见癌症。在美国，大约1/6的男人会得前列腺癌，1/36的男人会死于这种疾病。在众多检查方法中，MRI(Magnetic Resonance Imaging，磁共振成像)已经成为前列腺癌检查的最有效的手段。

前列腺的解剖组织可以分为中央腺体(Central Gland，CG)和外周区域(Peripheral Zone，PZ)，大约70％～75％的前列腺癌来自PZ，来自PZ的癌症和来自CG的癌症从图像上看是不一样的。从MR图像精确分割前列腺作为治疗计划中的一个重要步骤，对前列腺癌的诊断至关重要。

目前，前列腺分割是由医生手工完成，分割的质量主要取决于医生的经验，手工分割耗时且主观。因此，临床上急需前列腺的快速分割方法。

然而，基于磁共振(Magnetic Resonance，MR)图像的前列腺的自动分割是非常困难的，主要由以下几点因素造成：

一、前列腺与周围的组织相似，缺乏清晰的边界；

二、不同对象、不同病种、不同的成像条件造成前列腺在形状和大小上有较大差异。

目前已经提出许多前列腺分割方法，但这些方法的分割结果与手工分割仍然存在较大的差异。而且，大多数分割方法主要是针对整个前列腺组织，并未对前列腺的中央腺体和外周区域进行分割。

前列腺组织内的中央腺体和外周区域的自动分割，该问题可以被看作是医学图像的语义分割，即给图像中的每个像素指定一类标签。目前，全卷积网络(FullyConvolutional Networks，FCN)已经被证明是一个能进行语义分割的有效工具，可同时对图像中的各个目标进行分割。

在实现本发明的过程中，发明人发现现有技术中至少存在如下问题：全卷积网络得到的结果还不够精确，在分割医学图像的时候，对一些细节的分割还不够好，性能仍然需要被进一步提高。

发明内容

本发明的目的是为了克服上述背景技术的不足，提供一种基于权重图设计的前列腺磁共振图像分割方法及系统，能够实现从磁共振图像自动分割前列腺内的中央腺体和外周区域。

第一方面，提供一种基于权重图设计的前列腺磁共振图像分割方法，包括以下步骤：

在训练阶段，将图像输入全卷积网络，得到相应的输出概率，计算输出概率与标签之间的交叉熵；仅根据标签计算加权损失函数中的权重图，将交叉熵与权重图按像素至像素的方式相乘，得到最终的损失，调整全卷积网络的参数，使该损失达到最小值；

在分割阶段，将待分割的前列腺磁共振图像输入训练好的全卷积网络，得到初分割结果。

根据第一方面，在第一方面的第一种可能的实现方式中，所述权重图为陡峭权重图，其数学公式如下：

w_i(x)＝Morphology(y_i)×a+1；