基于深度学习的前列腺癌症辅助检测和诊断

发布时间：2021-01-26 14:52

　　前列腺癌症是男性中最常诊断出的非皮肤癌症,也是全球第二大致死癌症。早发现,早诊断,早治疗成为了降低前列腺癌症患者死亡率的关键。在众多医疗影像技术中,多参数磁共振成像被认为是目前最有效的前列腺癌影像诊断方法,能显著提升前列腺癌的检测率和诊断的准确度,有效地指导穿刺活检。基于多参数磁共振图像的自动、快速、准确的前列腺癌症计算机辅助检测和诊断,成为近十几年智能医疗领域备受关注的研究方向。现存的各种计算机辅助系统通常采用独立模块进行图像配准、多参数特征融合、癌症概率图生成以及癌症定位和分级,且模块之间独立优化。此外,这些系统之间的互异性主要在于设计不同的手工特征对癌症进行特征描述。一方面,传统手工特征和算法模块鲁棒性不足。另一方面,多个模块独立优化导致不同模块之间相互容错性差,误差逐步累积。近些年来,深度学习技术在医疗领域获得了巨大的成功。它的端到端、弱监督、特征自动学习的特性给前列腺癌症辅助检测和诊断提供了新思路。本文研究深度学习技术在前列腺癌症辅助检测和诊断中的应用,重点探究基于神经网络的新颖的前列腺癌症检测和诊断模型以及鲁棒、高效的训练方法。具体而言,本文从以下三个方面开展研究:（1）现... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：129 页

【学位级别】：博士

【部分图文】：

前列腺区域解剖示意图（前视图）

华 中 科 技 大 学 博 士 学 位 论 文为了进一步提高 PCa 诊断的准确性，在 PSA 或 DRE 结果引起最初的怀疑后，通常会对患者进行 TRUS 穿刺活检。超声检查对 PCa 检测的灵敏度和特异性相对而言比较低[9]，因此 TRUS 只能以系统方式进行穿刺。具体而言，如图 1.2 所示，穿刺活检通常会在超声图像的引导下对前列腺腺体穿刺 6 到 12 针来采集活体组织样本。采集到的活检标本随后由病理学家使用格里森评分系统来评估患者是否患癌，以及判断所患癌症的侵袭性（属于惰性还是临床显著性）。

华 中 科 技 大 学 博 士 学 位 论 文断迫切需要替代技术以改善总体敏感性，尤其是诊断途径的特异性，从而减少过度诊断和过度治疗。随着医疗影像技术的发展，多参数磁共振成像（multiparametermagneticresonanceimaging，mp-MRI）技术已显示出巨大的潜力。MRI 具有较好的软组织对比度，并且是非侵入式的，可提供多个参数的成像数据。MRI 的任意角度成像能力可以提供不同方向所需切面，而矢切面成像更利于检查前列腺，方便了解前列腺全貌以及周围关系，有利于癌症定性、分期以及术后观察，现已是影像学检查中评价 PCa 最好的技术。根据近期前列腺影像和数据系统[10]2.0（ProstateImagingReportingandDataSystemVersion2.0，PI-RADS2.0）的建议，用于 PCa 检测和诊断的 mp-MRI 图像，一般包括T2 加权图（T2-weightedimaging，T2w），弥散加权成像图（diffusion-weightedimaging，DWI），磁共振波谱成像图（MR spectroscopy imaging，MRSI）和动态对比度增强（dynamic contrast-enhanced，DCE）MRI，如图 1.3 所示。


本文编号：3001304