[发明专利]一种面向前列腺系统穿刺的3D MR与TRUS图像分割方法

说明书

本发明提供了一种面向前列腺系统穿刺的3D MR与TRUS图像分割方法，包括以下步骤：分别获取前列腺3D MR与TRUS图像数据集；分别对数据集进行预处理，数据增强后得到训练数据集；构建分割生成器网络模型，分割生成器网络包括编码器、解码器、跳跃连接和Bottleneck模块；构建鉴别器网络模型，鉴别器网络用于区分分割生成器网络输出结果和Ground truth，并将鉴别结果用于分割生成器网络的训练；训练数据集随机划分为训练集和验证集两部分，采用训练数据集对分割生成器网络进行训练；建立分割效果的评估指标，通过消融实验和对比实验评估模型效果。本发明提供一种基于深度学习方法的，面向前列腺系统穿刺的3D MR与TRUS图像分割方法，实现3D MR与TRUS图像的实时准确分割。

技术领域

本发明属于深度学习图像处理技术领域，尤其涉及医学图像分割技术，具体是一种面向前列腺系统穿刺的3D MR与TRUS图像分割方法。

背景技术

前列腺癌高居全世界男性癌症致死率榜第二位，重在前期的预防与诊断，目前，前列腺癌的主流诊断方法是前列腺特异性抗原(Prostate Specific Antigen，PSA)检测，并继以穿刺活检，由于PSA存在特异性较差，敏感性不高的特点，故临床上将穿刺活检作为确诊前列腺癌的金标准。前列腺介入诊疗领域，医学影像引导的诊疗方法占据着主流地位，前列腺解剖结构和病灶的可视化主要依靠磁共振(Magnetic Resonance，MR)成像或经直肠超声(Transrectal Ultrasound，TRUS)成像，TRUS由于良好的实时性及普适性已经成为应用最广泛的医学成像模式。超声成像在活检、近距离放射治疗等众多临床介入诊疗应用场景中都是主要的成像模式，TRUS图像的特点包括：(1)操作简单，实时性好；(2)只能进行局部扫查，不利于前列腺整体显示；(3)相对分辨率不高，信噪比较低，易受斑点噪声干扰，腺体边缘不清晰。另一方面，多参数磁共振成像(multi-parameter Magnetic Resonanceimaging，mpMRI)是PCA分期及表征的理想工具，MR成像的特点包括：(1)图像整体清晰度高，软组织成像效果好，噪声干扰较少，腺体边界明显，病灶清晰；(2)成像时间长，操作复杂，难以满足介入手术对实时成像的要求。

由于MR和TRUS成像都存在严重缺陷(MR成像实时性差，TRUS成像质量低)，急需一种能够同时满足前列腺介入诊疗对于精度和实时性两方面要求的成像方法，对此，提出一种采用手动或半自动的分割方法来分割MR和TRUS图像，以便满足精度和实时性两方面要求。

然而，采用手动或半自动的分割方法来分割MR和TRUS图像完全依赖于医师的专业素养与身心状态。传统的自动分割方法主要分为基于轮廓和形状的方法、基于区域的方法以及混合方法，应用较为广泛的有主动形状模型、主动外观模型、水平集和图割方法，这些方法的实时性和泛化性都比较差。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种面向前列腺系统穿刺的3D MR与TRUS图像分割方法，可以提高MR和TRUS图像分割的实时性和泛化性。

为了达到上述目的，本发明所采用的具体技术方案如下：

一种面向前列腺系统穿刺的3D MR与TRUS图像分割方法，具体包括以下步骤：

S1、分别获取前列腺3D MR与TRUS图像数据集；

S2、分别对上述两个数据集进行预处理，数据增强后得到训练数据集；