[發明專利]基于深度神經網絡的前列腺增生目標區域自動生成方法

有效

• 申請號: 202110948251.2
• 申請日: 2021-08-18
• 公開（公告）號: CN113476033B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 凌青;劉繼紅;陳特儒;郭小林;趙興煒;陶波
• 申請（專利權）人: 華中科技大學同濟醫學院附屬同濟醫院
• 主分類號: A61B5/055
• 分類號: A61B5/055;A61B34/20;A61B34/10
• 代理公司: 武漢開元知識產權代理有限公司 42104
• 代理人: 胡鎮西

1.一種基于深度神經網絡的前列腺增生目標區域自動生成方法，其特征在于：包括如下步驟：

1)在術前獲取良性前列腺增生病人的核磁共振圖像，并進行切片和數據預處理；

2)將核磁共振圖像的切片輸入預先訓練好的卷積神經網絡，獲得切片在水平面的中間帶和周邊帶的生理輪廓分圖像；

3)將中間帶和周邊帶的生理輪廓分圖像輸入前列腺統計學模型，基于精阜判別準則得到精阜所在的切片位置，完成前列腺生理輪廓的三維分割，同時生成前列腺生理結構的三維點云模型；

4)基于前列腺中央帶切片建立虛擬人工勢場，并對關鍵方向進行加強保護，得到安全系數在切片上的分布，進而得到合理的目標區域；

5)對包含目標區域輪廓的前列腺切片進行三維重建，最終得到三維的良性前列腺增生手術目標模型；

其中，所述步驟4)中，虛擬人工勢場基于目前前列腺切片周邊帶和中間帶的點云輪廓建立，吸引勢U_att的公式如下：

式中，為目前前列腺切片重心位置到中間帶邊緣輪廓的距離，r為計算點到重心位置的距離；

排斥勢U_rep的公式如下：

式中，n為計算點感興趣區域內的前列腺邊界點云的總數目，ρ(i)為計算點到邊界計算點i的距離；k(i)為所在計算點i的權重系數；k為權重因子；i為當前的邊界計算點。

2.根據權利要求1所述的基于深度神經網絡的前列腺增生目標區域自動生成方法，其特征在于：所述步驟1)中，在術前獲取良性前列腺增生病人的核磁共振圖像為T2權重MRI圖像，切片為水平面切面，層間距≤4mm；數據預處理包括讀入三維圖像矩陣、調整分辨率以及圖像灰度值歸一化處理。

3.根據權利要求1所述的基于深度神經網絡的前列腺增生目標區域自動生成方法，其特征在于：所述步驟2)中，所述卷積神經網絡為全卷積網絡，所述全卷積網絡具有收縮部分的左側和擴展部分的右側；所述收縮部分為卷積神經網絡體系結構，具有卷積層、激活功能單元和下采樣池化層；所述擴展部分使用向上卷積來組合來自收縮路徑的特征和空間信息。

4.根據權利要求1所述的基于深度神經網絡的前列腺增生目標區域自動生成方法，其特征在于：所述步驟2)中，采用的卷積神經網絡的最后一層使用softmax函數來保持多重分類的效果；切片圖像被饋送到網絡，通過路徑傳播，獲得輸出的分割圖像，其損失函數為多分類的Dice損失函數，如下所示：

式中，X(i)為切片上第i類生理結構的預測的區域輪廓，Y(i)為人工標注的第i類生理結構的真值輪廓，n為結構分類的總數目。

5.根據權利要求1所述的基于深度神經網絡的前列腺增生目標區域自動生成方法，其特征在于：所述步驟3)中，精阜位置判別函數P(v)為：

式中，S(v)為切片中的中間帶的面積；S(v+k)是下一個切片中的中間帶的面積；v為當前切片所在的無量綱位置；k為目前切片和下一切片之間的無量綱距離；D(v)為統計學模型得到的精阜可能性分布函數。

6.根據權利要求1所述的基于深度神經網絡的前列腺增生目標區域自動生成方法，其特征在于：所述步驟4)中，總勢能U_art的計算公式如下：

U_art＝U_att+U_rep

式中，U_att為吸引勢，U_rep為排斥勢。

7.根據權利要求1所述的基于深度神經網絡的前列腺增生目標區域自動生成方法，其特征在于：所述步驟4)中，對關鍵方向進行加強保護，加強保護為對權重因子k的調節：

式中，k(θ)為加強保護之后的安全權重系數；函數h(·)為階躍函數；β為用于調整影響距離的參數，θ為計算點所在的方向；k為初始設置的權重系數。