[發明專利]基于深度學習卷積神經網絡的自動分割前列腺全腺體方法

有效

• 申請號: 202210096760.1
• 申請日: 2022-01-27
• 公開（公告）號: CN114399501B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 許梨梨;孫昊;張古沐陽;李秀麗;毛麗;張曉霄;白鑫;陳麗;張家慧;金征宇
• 申請（專利權）人: 中國醫學科學院北京協和醫院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06V10/764;G06V10/82;G06N3/0464;G06N3/08;G06V10/762
• 代理公司: 北京預立生科知識產權代理有限公司 11736
• 代理人: 李紅偉

1.一種基于深度學習卷積神經網絡的自動分割前列腺全腺體方法，其特征在于，具體方法步驟包括：

獲取樣本的前列腺MR圖像；

將前列腺MR圖像進行分類，將所述前列腺MR圖像分為T2WI圖像、DWI圖像、ADC圖像或DCE圖像；

將所述T2WI圖像輸入第一前列腺全腺體分割網絡，得到第一前列腺全腺體圖像，所述第一前列腺全腺體分割網絡包括第一前列腺尖部分割網絡、第一前列腺中部分割網絡和第一前列腺底部分割網絡；將所述DWI圖像輸入第二前列腺全腺體分割網絡，得到第二前列腺全腺體圖像，所述第二前列腺全腺體分割網絡包括第二前列腺尖部分割網絡、第二前列腺中部分割網絡和第二前列腺底部分割網絡；將所述ADC圖像輸入第三前列腺全腺體分割網絡，得到第三前列腺全腺體圖像，所述第三前列腺全腺體分割網絡包括第三前列腺尖部分割網絡、第三前列腺中部分割網絡和第三前列腺底部分割網絡；將所述DCE圖像輸入第四前列腺全腺體分割網絡，得到第四前列腺全腺體圖像，所述第四前列腺全腺體分割網絡包括第四前列腺尖部分割網絡、第四前列腺中部分割網絡和第四前列腺底部分割網絡。

2.根據權利要求1中所述的基于深度學習卷積神經網絡的自動分割前列腺全腺體方法，其特征在于，所述將前列腺MR圖像進行分類為將所述前列腺MR圖像輸入分類器中，所述分類器基于所述前列腺MR圖像的分辨率或序列名稱對前列腺MR圖像進行分類，將所述前列腺MR圖像分為T2WI圖像、DWI圖像、ADC圖像或DCE圖像。

3.根據權利要求1中所述的基于深度學習卷積神經網絡的自動分割前列腺全腺體方法，其特征在于，所述方法步驟還包括將前列腺MR圖像進行分類，將所述前列腺MR圖像分為前列腺尖部MR圖像、前列腺中部MR圖像或前列腺底部MR圖像。

4.根據權利要求1中所述的基于深度學習卷積神經網絡的自動分割前列腺全腺體方法，其特征在于，將所述前列腺MR圖像輸入分類器中，所述分類器基于前列腺解剖結構對前列腺MR圖像進行分類，將所述前列腺MR圖像分為前列腺尖部MR圖像、前列腺中部MR圖像或前列腺底部MR圖像。

5.根據權利要求1-4任意一項中所述的基于深度學習卷積神經網絡的自動分割前列腺全腺體方法，其特征在于，采用分類器對前列腺MR圖像進行分類，所述分類器選自下列機器學習模型算法中的一種或幾種：邏輯回歸算法、樸素貝葉斯分類、支持向量機、k近鄰、決策樹、隨機森林、xgboost、感知機算法。

6.根據權利要求1中所述的基于深度學習卷積神經網絡的自動分割前列腺全腺體方法，其特征在于，所述分割網絡為3D?U-net分割網絡。

7.根據權利要求6中所述的基于深度學習卷積神經網絡的自動分割前列腺全腺體方法，其特征在于，所述3D?U-net分割網絡包括3-5個上采樣模塊和3-5個下采樣模塊，所述第一前列腺尖部分割網絡、第一前列腺中部分割網絡和第一前列腺底部分割網絡為包括5個上采樣模塊和5個下采樣模塊；所述第二前列腺尖部分割網絡、第二前列腺中部分割網絡和第二前列腺底部分割網絡為包括3個上采樣模塊和3個下采樣模塊。