一种前列腺图像分割方法技术

本发明专利技术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。本发明专利技术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。

A prostate image segmentation method

The invention provides a prostate image segmentation method, which includes the following steps: S1. Obtaining training samples of prostate region and marking them; S2. Preprocessing the training prostate region to obtain the results of preprocessing; S3. Constructing a full convolution network structure for prostate region of interest segmentation; S4. Using training samples to train prostate segmentation. Segmentation model is used to obtain the optimal prostatic image segmentation model; S5. Samples of prostatic region are obtained and labeled; S6. Preprocessing the test prostatic region to obtain the preprocessing results; S7. Segmentation of test set by trained segmentation model; S8. Post-processing the segmentation results of full convolution network; S9. Selection. The evaluation index of image segmentation is used for statistical evaluation of segmentation results. The method improves the accuracy of pixel classification, has scale invariance, and has fast segmentation speed, and has good application prospects.

【技术实现步骤摘要】
一种前列腺图像分割方法
本专利技术涉及医学图像领域，尤其是涉及医学图像中的前列腺的分割。
技术介绍
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本文档来自技高网...

【技术保护点】
1.一种前列腺图像分割方法，其特征在于，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。

【技术特征摘要】
1.一种前列腺图像分割方法，其特征在于，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。2.根据权利要求1所述的一种前列腺图像分割方法，其特征在于，所述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。3.根据权利要求1所述的一种前列腺图像分割方法，其特征在于，所述S3包括：S31.卷积模组；S311.移除了VGG-16的最后两个全连接层；S312.移除了最后一个卷积模块的最大池化层；S32.增加边输出模组；S321.每个边输出模块的输入是相对应的VGG-16模块的输出，在每个边输出模块中，用1×1的卷积层来将特征通道降低至一个特定的数量，第二至第五个模块拥有128个特征通道，第一个模块拥有64个特征通道；S322.用一个上采样层来对第二至第五个模块进行分辨率重建，第一个模块，我们不做任何处理；S323.在每个模块的最后一步，用1×1的卷积核作为分类器来获取每个像素是前列腺或背景的预测概率图，获取五个概率图，这五个概率图包含不同尺度特征的信息；S324.使用一个融合模块来融合五个边输出模块的输出...

【专利技术属性】
技术研发人员：叶慧，
申请(专利权)人：北京龙慧珩医疗科技发展有限公司，
类型：发明
国别省市：北京,11