论文部分内容阅读
近年来随着环境的恶化,前列腺癌的发病率日益增长,前列腺早期诊断的重要性日益凸显。经直肠超声成像(Transrectal Ultrasonography,TRUS)与核磁共振成像(Magnetic Resonance Imaging,MRI)辅助前列腺穿刺手术成为诊断早期前列腺癌的重要标准。在图像辅助前列腺穿刺手术中,采用MR图像配准至实时TRUS图像引导穿刺机构穿刺,可以提高穿刺准确率。由于TRUS图像和MR图像成像过程中受到噪声污染,需要对图像进行去噪,为了将MR图像准确配准至TRUS图像,需要对图像进行腺体轮廓分割。因此,本文为了实现TRUS与MR图像辅助的前列腺穿刺机构精准穿刺,针对前列腺TRUS图像和MR图像进行图像去噪和腺体轮廓分割的方法研究。本文结合前列腺医学图像特点分析现有去噪方法,对图像进行增强预处理。采用结合绝对中位差改进的各向异性扩散去噪算法对前列腺图像进行去噪。对去噪后图像通过峰值信噪比评价图像质量,通过边缘保持度评价腺体边缘保持特性。验证结合绝对中位差改进的各向异性扩散去噪方法在医学图像去噪上的优越性。分析前列腺MR图像特点,以基于卷积神经网络的U-net网络结构为基础,采用仿射变换和弹性扭曲进行数据增强改进U-net网络结构,扩充U-net网络训练集样本,预防过拟合,提高模型稳定性。将测试图像分割结果与专家手动分割“金标准”图像进行骰子相似系数比较,通过像素集相似度来评价所提出的分割方法的优越性。结合TRUS图像特点,分析TRUS图像通过U-net结构训练分割网络的弊端。采用结合残差网络改进的U-net网络架构的分割方法,通过添加残差连接解决网络深化中出现的梯度消失问题,加快收敛速度,提高分割精度。对病例图像进行测试集分割后,通过多种评价标准评价结合残差网络改进的U-net网络对前列腺TRUS图像的分割效果,验证所提出的网络架构在图像分割上的优越性。为了验证本文提出的图像去噪方法和分割方法的可行性,搭建实验平台进行验证实验。首先建立实验平台,完成前列腺穿刺实验体模的MR和TRUS图像采集和强化后,通过结合绝对中位差改进的各向异性扩散方法对TRUS和MR图像去噪,采用结合仿射变换和弹性扭曲数据增强改进的U-net网络架构分割MR图像,采用结合残差网络短连接改进的U-net网络架构分割TRUS图像。对分割后的TRUS和MR图像进行三维重建和模型配准。对超声探头进行内外参数的标定,得到术中实时TRUS图像病灶点、术前MR图像上病灶点和穿刺针末端点的变换关系。驱动穿刺机构进行穿刺。通过穿刺误差评价穿刺实验效果。验证提出的去噪和分割方法的有效性。