李凌昊，胡怡音，孟广明，黄子丹，李致勋，姜建

1.南昌大学第一临床医学院，江西南昌 330027；2.南昌大学第一附属医院影像科，江西南昌 330006；3.南昌大学信息工程学院，江西南昌 330031；*通讯作者 姜建 jij2002cn@126.com

前列腺良性增生与前列腺癌是中老年男性的常见疾病，我国前列腺癌发病率较高，且呈逐年上升趋势[1]。常见的前列腺癌临床诊断主要包括直肠指检、前列腺特异性抗原（prostate-specific antigen，PSA）检测及穿刺活检。直肠指检通过临床医师指触的方式判断前列腺体积大小，适用于初步诊断；PSA 水平易受炎症影响，多次穿刺容易造成组织损伤。因此，尽管后两者诊断前列腺癌准确度较高，但仍存在误差或不足。

多功能磁共振成像发展迅速，为前列腺癌的诊断提供了有效的影像学途径。扩散加权成像（DWI）主要反映组织内水分子的运动信息，进而提示阳性组织区域，对前列腺癌的诊断有较高的参考价值，是目前临床常用的诊断方法[2]。

近年提出多个人工智能癌症诊断与辅助检测系统及模型，相关研究与实验证明人工智能在图像识别上具有一定的优势[3-5]。深度学习由Hinton 等[6]于2006年首次提出，是一种基于无监督学习和特征层次结构的学习方法，在图像的归类分类、语音辨识等多个领域均有较好的表现[7]。卷积神经网络（convolutional neural networks，CNN）是一个多层神经网络，具有强鲁棒性和容错能力，易于训练和优化[8]。残差网络（residual network，ResNet）是He 等[9]提出的一类CNN，通过在每2 层增加1 个运算通道，构成1 个残差块，达成全网络的跳跃连接，回避了由于各层参数过小且相乘导致的梯度下降问题与网络退化问题[10]。……