[发明专利]一种用于多参数磁共振影像的前列腺自动分区方法

说明书

本发明涉及医学图像分析技术领域，具体涉及一种用于多参数磁共振影像的前列腺自动分区方法，包括以下步骤：(1)图像预处理；(2)前列腺整体分割；(3)前列腺对称轴定位；(4)基于图谱法对前列腺分区。本发明的有益效果为解决了前列腺的全自动分区问题，无需医生手动干预即可获得满足PI‑RADS V2指南规定的39分区；基于图谱法的分区简单高效，可满足实时操作的要求，可以与医生协同高效地完成分区任务，且具有很强的拓展性，可以对任何给定模板进行匹配和分区。

技术领域

本发明涉及医学图像分析技术领域，具体涉及一种用于多参数磁共振影像的前列腺自动分区方法。

背景技术

前列腺疾病的诊断一直以来是影像学研究的重点。磁共振成像(MRI)目前是诊断前列腺病变的最有效影像方法，对评估前列腺病变的性质发挥重要作用。前列腺磁共振图像的精细分区可为后续临床处理提供参考，如前列腺靶向穿刺、近距离放射治疗及其他局部治疗等。前列腺分区还可在不同成像方法之间的图像融合中发挥作用，如MRI与超声图像融合，从而提高直肠超声引导下穿刺活检的阳性率。在近年来报道较多的计算机辅助诊断系统中，前列腺图像的准确分割和分区是下一步图像特征提取和识别的基础，其效能直接影响后续病灶识别的准确性。

目前前列腺临床影像指南PI-RADS V2将前列腺定位为包含39个分区的标准模板，其中前列腺占36区、精囊腺占2区、尿道外括约肌占1区。前列腺分区模板图在冠状位和矢状位上，将前列腺从上到下分为底部、中部和尖部。在轴位图像上，将前列腺分为4区：前纤维肌性基质(AFS)、移行带(TZ)、中央带(CZ)、外周带(PZ)。除此之外，还对每个带进行了精细的分类。传统的手工分区对操作者个人经验的依赖性较强，存在主观性强、可重复性差、不易实现三维分割等缺陷；另一方面，手动分割过程繁琐，大大增加了图像分析的时间。因此，有效的自动图像分区技术的实现，对提高系统的可操作性及诊断性能具有重要临床价值。

在前列腺自动分区方面，目前未见有相关的研究报道，其挑战主要是前列腺组织之间的对比度很低，边界难以区分；前列腺在整个图像中占有的区域很小，可用于分区的像素点较少，而分区结构有比较复杂；人体个体差异比较大，个体之间存在不确定性；较长的算法无法被临床应用接受。在过去几十年里，大多数技术都停留在对前列腺图像的自动分割方面，简单的自动分割算法有基于区域、纹理、直方图阈值的，复杂的有基于先验模型、统计学、水平集的方法等，近年来在模糊理论、机器学习和人工智能等技术的发展背景下，也有很多基于这些理论的算法出现。但直到目前，仍然没有对前列腺精细分区的技术。

近年来，基于图谱法和形变模型的分割方法研究成为图像分割研究领域的热点。图谱法分割系统的核心是大变形配准，大变形微分同胚能够更好地表达人体组织的解剖学结构形变，具有可逆及较好的平滑度保持。基于图谱法的自动分割是综合了很多知识的一个完整的系统框架。其原理是利用配准将需要分割的图像映射到已经分割好的模板上，然后通过数学逆变换算子将分割结果变换到原图空间，从而获得原始输入图像的分割结果。基于图谱分割算法的关键是映射过程的准确性，映射很大程度上决定了分割的好坏，因此这类算法的核心通常都建立在精确的配准算法基础上。

发明内容

本发明的目的在于克服现有技术中存在的上述问题，提供一种用于多参数磁共振影像的前列腺自动分区方法，达到以下目的：前列腺精准分割和分区定位，较少的人工干预，对病人的个体差异不敏感，对图像噪声不敏感，计算速度快。

为实现上述技术目的，达到上述技术效果，本发明是通过以下技术方案实现的：

本发明在多参数磁共振影像数据中，采用主动轮廓模型和基于图谱的自动配准方法，全自动地完成对整个前列腺的三维分区，

一种用于多参数磁共振影像的前列腺自动分区方法，包括以下步骤：

(1)图像预处理：