[发明专利]一种前列腺图像分割方法

说明书

本发明提供了一种前列腺图像分割方法，包括以下步骤：S1.获取前列腺区域训练样本，并标记；S2.对训练前列腺区域进行预处理，获得预处理结果；S3.构建前列腺兴趣区域分割的全卷积网络结构；S4.利用训练样本训练前列腺分割模型，以获取最优前列腺图像分割模型；S5.获取被试者前列腺区域样本，并标记；S6.对测试前列腺区域进行预处理，获得预处理结果；S7.训练好的分割模型对测试集进行分割；S8.对全卷积网络的分割结果进行后处理；S9.选择图像分割的评价指标，进行分割结果统计评价。本发明提高了像素分类精度，具有尺度不变性，并且分割速度较快，具有很好的应用前景。

技术领域

本发明涉及医学图像领域，尤其是涉及医学图像中的前列腺的分割。

背景技术

前列腺癌是老年男性的主要健康问题之一。研究发现，男性慢性前列腺炎的发病率高达2.5％～16％，是导致男性死亡的第二大癌症。前列腺疾病的诊断一直以来是影像学研究的重点，目前常见的前列腺影像学诊疗手段有直肠超声(TRUS)、计算机断层扫描(CT)和磁共振成像(MRI)。相比于其他成像方法，磁共振成像的图像质量对区分前列腺解剖区域更为清晰，对于病变组织更加敏感。因此，磁共振成像公认为目前诊断癌变前列腺的最有效方法，对评估前列腺病变的性质发挥重要作用。

磁共振成像因其能够获取高对比度的清晰图像而被广泛应用于肿瘤检测等临床应用中。针对前列腺病变的检测与治疗规划，医生首先需要勾勒出前列腺组织轮廓，区分前列腺与周围器官，然后决定采取相对应的治疗手段。但是，这一过程目前主要依赖于医师手工，这是一个十分耗时的过程，并且分割的结果好坏也因人而异。过去数十年中，一些自动的前列腺图像分割算法取得了一定成果，但是效果有限，由于以下原因，前列腺磁共振图像分割仍然是一个极具挑战性的任务：1)前列腺组织与周围其他组织的对比度较低，它们的边界难以区分；2)在一幅磁共振图像中，属于前列腺组织的区域很小，可以获取的有效信息较少；3)较长的算法时间消耗有可能推迟临床诊断。

发明内容

为了解决上述的技术问题，本发明提供了一种前列腺图像分割方法。本发明提出基于全卷积神经网络(FCN)的图像分割方法，并对其进行了改进，提高了像素分类精度，分割结果并未收到尺度影响，具有尺度不变性，对小区域遮挡具有很好的鲁棒性，对光照变化具有很好的鲁棒性，解决了光线不均给分割带来的困难，并且运行速度较快。

本发明提供一种前列腺图像分割方法，包括以下步骤：

S1.获取前列腺区域训练样本，并标记；

S2.对训练前列腺区域进行预处理，获得预处理结果；

S3.构建前列腺兴趣区域分割的全卷积网络结构；

S4.利用训练样本训练前列腺分割模型，以获取最优前列腺图像分割模型；

S5.获取被试者前列腺区域样本，并标记；

S6.对测试前列腺区域进行预处理，获得预处理结果；

S7.训练好的分割模型对测试集进行分割；

S8.对全卷积网络的分割结果进行后处理；

S9.选择图像分割的评价指标，进行分割结果统计评价。

作为本发明进一步的改进，S2和S6包括：

S21或S62.计算全部图像的平均强度值和标准偏差；

S22或S62.进行了一次归一化运算，包括减去均值和除以方差；

S23或S63.定位感兴趣区域；

S24或S64.用一个96×96的平方箱来分割感兴趣区域图像。

作为本发明进一步的改进，S3包括：

S31.卷积模组；