基于控制点特征学习的前列腺组织轮廓线提取方法
2023-07-21金海燕王海鹏肖照林白志明
金海燕,张 锦,王海鹏,肖照林*,王 刚,陈 晶,张 雨,白志明
(1.西安理工大学 计算机科学与工程学院,陕西 西安 710048;2.陕西省网络计算与安全技术重点实验室,陕西 西安 710048;3.海口市人民医院,海南 海口 570208;4.海南大学,海南 海口 570228)
0 引 言
前列腺增生、前列腺炎、前列腺癌[1]等一直是全世界男性所面临的常见疾病。前列腺癌临床检测方法包括特异性抗原检测(Prostate-Specific Antigen,PSA)、穿刺活检、前列腺B超和核磁共振成像(Magnetic Resonance Imaging,MRI)[2]检查等。前列腺疾病的影像分析主要采用核磁共振加权(T2 Weighted,T2W)成像和弥散加权成像(Diffusion Weighted Imaging,DWI)两种, 其中T2W(T2 Weighted)图像细节较为清晰,适合观察病变组织;而DWI(Diffusion Weighted Imaging)成像边缘细节虽比T2W成像模糊,但更适合观察正常细胞和癌细胞的放射吸收率差别。
针对核磁共振影像前列腺组织的轮廓线分割问题,学者们提出了多种典型的分割方法。文献[3]提出将多图谱分割与椭球形状先验相结合,以椭球先验作为前列腺轮廓线的形态约束条件,从而实现多图谱的前列腺轮廓准确分割。依据前列腺轮廓包膜组织与周围其它组织的差异,可采用曲线拟合法[4]、微分法[5]等进行轮廓线图像分割。此外,随着监督学习和非监督学习理论的发展,提出将前列腺图像逐像素的邻域提取特征向量,并将特征向量作为神经网络输入,从而将前列腺组织分割转化为二分类问题。针对T2W成像结果,提出将目标图像与带状扫描数据进行注册,并提取注册结果的双图谱特征,最终采用模糊C均值聚类方法实现对前列腺组织过渡区与外围区的有效分割。……
