前列腺癌的早期诊断对于提高治疗成功率至关重要,临床主流诊断方法是穿刺活检。医学成像可以提高穿刺的精度和稳定性,经直肠超声（Transrectal Ultrasonography,TRUS）和磁共振成像（Magnetic Resonance Imaging,MRI）分别凭借良好的实时性和清晰的成像效果,成为前列腺介入诊疗中最常用的成像方式。但TRUS的成像效果差,难以准确定位病灶位置,MRI成像时间长,难以实时引导穿刺。目前的穿刺手术存在效率低、精度不足和可重复性差等问题,因此MRI与TRUS图像融合引导穿刺的方法应运而生。分割MRI和TRUS图像中的前列腺腺体,并将二者配准到同一坐标系下,是图像融合引导穿刺中的重要环节。目前的分割和配准方法主要针对二维图像,忽略了医学图像的切片间信息,进而产生分割配准精度低,引导穿刺效果差等问题。首先,本文面向目前MRI/TRUS图像融合引导自动穿刺手术存在的问题,在分析临床实际需求和手术流程的基础上,设计了一套MRI/TRUS图像融合引导穿刺系统。其中,运算控制单元通过处理图像采集单元采集的医学图像来获得精确的病灶位置信息,规划进针点和进针路径;定位导航单元获取手术器械的实时位姿信息并发送给运算控制单元;穿刺单元融合各传感器的信息最终完成穿刺取样工作。其次,提出了一种兼顾实时性与准确性,同时适用于3D前列腺MRI与TRUS图像自动分割的网络模型——DRC U-Net。主要提出了一种集成残差连接,密集连接和各向异性深度可分离卷积的新型卷积模块用于网络深层多尺度特征的提取和融合;同时集成了深度监督机制用于避免训练时产生梯度消失或梯度爆炸问题;集成了多种注意力机制用于将网络编码器部分的更多重要信息通过跳跃连接和瓶颈模块传递到解码器部分;采用对抗的方式训练网络,除了作为生成器的分割网络,还设计了一个鉴别器网络用于对分割结果进行评估,最终提高分割精度和速度。接着,提出了一种基于弱监督的3D MRI/TRUS图像配准方法和一种级联配准网络——ADD-Net,将原始3D MRI与TRUS图像,3D MRI与TRUS图像分割标签输入级联配准网络中,根据原始3D MRI与TRUS图像生成初始的仿射变换矩阵或空间变形场,通过计算变形后的浮动MRI图像分割标签与固定TRUS图像分割标签间的相似性和变形参数的正则化项对网络参数进行迭代优化,最终通过训练好的配准网络生成最优的从浮动MRI图像到固定TRUS图像的空间变形场,将MRI图像变形后与TRUS图像融合。最后,为了验证所提出的分割、配准方法和所设计的MRI/TRUS图像融合引导前列腺自动穿刺系统的有效性,设计了一系列的验证性实验,包括分割实验,配准实验和MRI/TRUS图像融合引导穿刺实验。实验结果表明,本文提出的分割和配准算法在精度和实时性方面相较于现有方法均有较大提升,分割MRI图像的DSC指标提升了5.3%,分割TRUS图像的DSC指标提升了9.9%;MRI/TRUS图像配准的DSC指标提升了3%,目标配准误差降低了2.8mm,设计的MRI/TRUS图像融合引导前列腺穿刺系统平均穿刺误差为2.14mm,最大误差为3.38mm,完全能够满足临床需求。