[发明专利]基于深度神经网络的前列腺增生目标区域自动生成方法

说明书

本发明公开了一种基于深度神经网络的前列腺增生目标区域自动生成方法，包括如下步骤：1)在术前获取良性前列腺增生病人的核磁共振图像，并进行切片和数据预处理；2)获得切片在水平面的中间带和周边带的生理轮廓分图像；3)完成前列腺生理轮廓的三维分割，同时生成前列腺生理结构的三维点云模型；4)基于前列腺中央带切片建立虚拟人工势场，并对关键方向进行加强保护，得到安全系数在切片上的分布，进而得到合理的目标区域；5)对包含目标区域轮廓的前列腺切片进行三维重建，最终得到三维的良性前列腺增生手术目标模型。本发明方法可以实现对前列腺和BPH目标区域的三维重建，提高BPH手术的安全性和效率具有推动作用。

技术领域

本发明涉及医学图像处理的技术领域，具体涉及一种基于深度神经网络的前列腺增生目标区域自动生成方法。

背景技术

良性前列腺前列腺(BPH)是中老年男性最常见的症状性疾病之一。随着年龄的增长，前列腺的中央带腺体将缓慢增殖，这将限制尿流的流速并阻塞尿道。BPH可以引起下尿路症状(LUTS)，包括排尿不畅，排尿频繁，后遗症运球，排尿夜尿不完全等症状，严重影响了老年人的正常生活。随着人类社会的老龄化，BPH和LUTS的发生率和患病率迅速增加。BPH在30多岁的男性中占8％，在50多岁的男性中占50％，随着男性达到80岁以上，这一数字将增加到大于80％。治疗BPH的最有效方法是进行手术，以去除多余的中央腺体组织。经尿道前列腺电切术(TURP)是BPH(金标准)的标准手术范例，这是通过使用医用标准内窥镜通过尿道完成的，并且通过锋利的解剖或电灼术将前列腺组织切成碎片。尽管TURP的手术范例具有微创性，但它可能导致大量组织出血和较长的导管插入时间。BPH越来越多地采用切割和凝血的结合，经尿道激光前列腺切除术(TULP)越来越多。TULP是一种新的外科手术方法，它使用大功率激光作用于前列腺组织，以直接蒸发包含目标发色团的腺体组织。

但是，BPH对临床医生是极具挑战性的。由于内窥镜在到达前列腺之前必须穿过许多尿道软组织，因此外科医生的可操作性受到极大限制。同时，手术的安全性一直是一个令人担忧的问题。因为医生只能通过连接到内窥镜的摄像头查看前列腺内部，所以医生的视野和感知受到很大限制。感知匮乏使外科医生难以判断手术的当前状态和区分手术区域的边界，这极大地增加了手术培训的成本。即使是训练有素的临床医生也需要依靠自己的经验来判断手术的安全性，这很容易损坏附近的组织并给患者带来相关的并发症。位于尿道深处、视野有限，缺乏感知手段和较长的手术时间已成为BPH手术的主要挑战。随着计算机技术和人工智能技术的发展，使用基于深度学习的手术导航技术来对手术进行建模，对手术边界进行相应的保护，扩大医生的视野，提高手术的效率和安全性，并提高手术的自动化程度，是BPH手术发展的大势所趋。

核磁共振成像(MRI)是目前最精确，最清晰的前列腺医学成像方法。目前，有许多方法可以在MRI图像下自动分割前列腺。从分割的目的出发，MRI下前列腺的分割方法可分为全前列腺分割和前列腺分区分割两种。整个前列腺分割是指从相应的MRI切片识别整个前列腺的轮廓。有数字图像处理分割方法，如基于边缘的，基于区域的，基于聚类的或混合方法。随着人工智能的发展，基于深度学习的分割方法由于其鲁棒性和易用性已成为分割的主流。已经提出了一系列经典的医学图像分割方法，例如FCN，U-net等。后来，改进了基于FCN和U-net的方法和基于生成对抗网络的方法使得分割的结果越来越好。与整个前列腺分割相比，前列腺分区分割是一个相对较小的研究领域。它不仅可以识别前列腺，还可以识别前列腺中的不同解剖结构。与整个前列腺分割相似，它也可以分为经典的数字图像处理方法和基于深度学习的方法。尽管目前有很多方法，但是这些方法仅限于识别前列腺的轮廓，而没有对BPH手术区域进行分割。对于BPH手术，必须考虑一些必要的安全限制，因此手术量与前列腺状况不同。同时，由于深度学习方法的准确性和鲁棒性比医生的经验差，因此外科手术区域需要由外科医生轻松修改。截至目前，尚没有方法可以在MRI图像下自动重建BPH的目标区域。

发明内容