论文部分内容阅读
前列腺癌是最常见的男性癌症之一。在欧美等国家,前列腺癌在男性癌症死亡率中排名第二位。在中国,前列腺癌死亡率近年来也呈现出上升的趋势。在前列腺疾病的诊断和治疗中,经直肠超声(Trans-rectal Ultrasonography,TRUS)图像由于具有实时性,且廉价无辐射等优点,而得到了广泛应用。在实际临床中,包括前列腺穿刺活检时穿刺针的精确定位,前列腺癌治疗中放射性物质的空间位置分布,以及测量前列腺的体积等,都需要从TRUS图像中精确分割出前列腺轮廓。但是,临床中常采用的手动分割方法存在工作量大、分割结果依赖操作者经验、重复性差等问题。TRUS图像中前列腺的自动分割方法研究为近年来的一个研究热点,但是超声图像中存在前列腺组织钙化的弱边界,严重的斑点噪声和低信噪比等因素,要精确地分割出前列腺的边界仍然是一项巨大的挑战。本文提出一种新方法,利用前列腺图像特征和先验统计形状从TRUS图像中自动地分割出前列腺边界。首先,利用图像的致密尺度和旋转不变特征变换(Dense SIFT),提取特征向量并进行分类,能够快速地从TRUS图像中定位前列腺,得到初始分割结果。其次,根据该初始结果从建立的多个平均模型中选择最优的形状模型作为分割的初始化轮廓。在分割过程中,前列腺伪影区域所缺失的边界信息就可以通过形状模型估计得到。最后,在该初始轮廓的指导下,利用灰度梯度特征模型和局部灰度高斯分布构建能量函数,使其最小化从而实现前列腺的精确分割。分割过程使用了一种由粗到细的多分辨率方式,提高了鲁棒性和计算的效率。通过大量实验得到的结果证实了该自动分割方法的有效性。本方法的分割结果与专家手动分割前列腺边界的平均绝对距离的均值是1.03±0.27毫米,豪斯多夫距离的均值是3.37±0.65毫米,Dice相似性系数的均值是91.9±0.8%,灵敏度的均值为94.7±2.1%,精确度的均值为99.2±0.2%。本文所使用的方法相比于改进的主动形状模型,在分割精度上有了较大程度的提高。