基于深度學習對前列腺及前列腺癌MRI 分割的研究進展

朱靜逸，李海慶，金倞，3，耿道穎，，3

前列腺癌早期病灶在影像學上難以被發(fā)現(xiàn)，超過半數(shù)的前列腺癌病人到晚期才確診，早期精準篩查對于該病的干預治療十分重要[1]。MRI 對前列腺癌具有較高的軟組織分辨力，能很好地區(qū)分正常及病變組織，而基于深度學習的計算機輔助診斷系統(tǒng)可以幫助放射科醫(yī)生提高閱片效率并降低誤診、漏診率。其中，對前列腺及前列腺癌病灶分割是前列腺癌計算機輔助診斷中的一項關鍵技術，精確地對前列腺分割對于前列腺癌的精準診療、預后預測具有重要的臨床價值。

1 前列腺及前列腺癌病灶分割的常用MRI 數(shù)據(jù)集

目前，常用于前列腺分割及前列腺癌篩查的MRI 公開數(shù)據(jù)集包括PROMISE12（Pro12）、I2CVB、PROSTATEx Challenge （Pro -Ex）、PROSTATEx -2 Challenge（Pro-Ex2）、NCI-ISBI-2013（NCI-13）和QIN-PROSTATE Repeatability（QIN-Pro）等。數(shù)據(jù)集可以分為3 類，第1 類僅完成前列腺腺體分割任務，如Pro-12、NCI-13、QIN-Pro；第2 類僅進行前列腺癌分類或者分級，如I2CVB；第3 類可以同時實現(xiàn)分割與分類，如Pro-Ex 和Pro-Ex2，這2 個數(shù)據(jù)集由經(jīng)驗豐富的病理學專家對數(shù)據(jù)進行5 級Gleason 等級標注，用于識別前列腺癌病灶并對前列腺癌病變進行分級。詳見表1。

表1 常用的前列腺及前列腺癌分割的MRI 公開數(shù)據(jù)集

2 基于深度學習的前列腺及前列腺癌MRI 影像分割研究

基于深度學習的前列腺分割，首先要將前列腺MRI 數(shù)據(jù)進行清洗、增強等預處理，然后通過深度學習框架進行特征提取，對深度學習模型進行訓練，通過不斷調整參數(shù)優(yōu)化得到最優(yōu)的訓練模型，將數(shù)據(jù)載入模型中完成對前列腺腺體或前列腺癌病灶的分割。目前常用……