基于多参数磁共振成像与深度学习的前列腺癌分割方法技术

本申请公开了一种基于多参数磁共振成像与深度学习的前列腺癌分割方法，涉及图像分割技术领域，包括：将采集得到的多参数磁共振影像原始数据进行预处理并分为训练集、测试集和验证集；分别构建用于前列腺分割的attention‑unet网络和前列腺癌分割的Mulit‑attention‑unet网络；训练并利用验证集选择最优前列腺分割模型；将测试集的多参数磁共振图像输入至最优前列腺分割模型中获取腺体最优预测掩膜后集合训练集中的多参数磁共振图像进行训练并利用验证集选择最优前列腺癌分割模型；将测试集的多参数磁共振图像和腺体最优预测掩膜一起输入到最优前列腺癌分割模型获取前列腺癌分割结果，提高了分割精度和鲁棒性。

【技术实现步骤摘要】

本专利技术涉及图像分割，具体涉及一种基于多参数磁共振成像与深度学习的前列腺癌分割方法。

技术介绍

1、现如今，前列腺癌作为全球男性的第二大常见癌症，其发病率和死亡率逐年增长。早期发现、早期诊断和早期治疗可有效提高前列腺癌患者生存率。多参数磁共振成像是前列腺癌最有效的非侵入性诊断方法，可以帮助医生直观全面地观察疾病病灶，但对医生的专业知识和能力要求较高。因此，为辅助临床诊断，设计一种准确、高效、快速的前列腺癌自动分割方法辅助医生进行前列腺癌定位以及体积判断，对评估病灶的恶行程度和引导活检穿刺操作具有重要意义。

2、目前，前列腺癌自动分割方法主要分为传统机器学习方法和深度学习方法。其中，采用传统机器学习的方法实现前列腺癌分割，虽然在一定程度上提高了预测精度，但传统机器学习方法的多步分割过程耗时且容易引入误差，最终结果的准确性也强烈依赖于特征提取的质量。与传统机器学习相比，基于深度学习的系统表现突出，其端到端、泛化性高、自动提取特征的特性使得深度学习在医学影像处理上具有一定的优势。

3、然而采用深度学习方法直接对多参数磁共振图像进行前列腺本文档来自技高网...

【技术保护点】

1.一种基于多参数磁共振成像与深度学习的前列腺癌分割方法，其特征在于，包括：

2.根据权利要求1所述的基于多参数磁共振成像与深度学习的前列腺癌分割方法，其特征在于，分别对所述原始数据中的多序列数据和标签数据进行预处理，包括：

3.根据权利要求1所述的基于多参数磁共振成像与深度学习的前列腺癌分割方法，其特征在于，所述attention-unet网络包含Conv2D卷积层、MaxPool2d池化层、UpsamplingBilinear2d上采样层、注意力门控模块和跳跃连接模块；

4.根据权利要求1所述的基于多参数磁共振成像与深度学习的前列腺癌分割方法，其特...

【技术特征摘要】

1.一种基于多参数磁共振成像与深度学习的前列腺癌分割方法，其特征在于，包括：

2.根据权利要求1所述的基于多参数磁共振成像与深度学习的前列腺癌分割方法，其特征在于，分别对所述原始数据中的多序列数据和标签数据进行预处理，包括：

3.根据权利要求1所述的基于多参数磁共振成像与深度学习的前列腺癌分割方法，其特征在于，所述attention-unet网络包含conv2d卷积层、maxpool2d池化层、upsamplingbilinear2d上采样层、注意力门控模块和跳跃连接模块；

4.根据权利要求1所述的基于多参数磁共振成像与深度学习的前列腺癌分割方法，其特征在于，所述mulit-attention-unet网络在attention-unet网络的基础上引入多尺度模块代替普通卷积，使用多任务学习在进行前列腺癌分割的同时将分割网络输出的预测结果进行分类计算，依据分割分类结果设计复合损失函数。

5.根据权利要求4所述的基于多参数磁共振...

【专利技术属性】
技术研发人员：袁立华，贾守强，王蕾，聂生东，
申请(专利权)人：济南市人民医院，
类型：发明
国别省市：