基于多参数多网络的前列腺癌自动分割与智能诊断的方法研究

Prostate cancer is a common malignant tumor of male reproductive urinary system, and its mortality ranks only second to lung cancer. It has become an increasingly important issue in the field of urology. Due to the complex anatomy, fuzzy boundary and different shapes of prostate, automatic segmentation and diagnosis of prostate cancer based on prostate magnetic resonance images is challenging. To address it, this project proposes a novel model for prostate cancer segmentation and prediction, which can achieve automatic segmentation and risk assessment of the prostate cancer. First, we use multi-parameter squeeze and excitation generative adversarial networks (mSE-GAN) to generate new images to build a database, which solves the problem of insufficient data. Second, a new localization and segmentation model called compressed intensive deconvolution network (SDDN), is designed for high precision localization and segmentation of prostate cancer. Finally, we fuse multi-parameter and multi-network feature to diagnose and predict prostate cancer. Overall, this project can solve the important scientific problems in the diagnosis and evaluation of prostate cancer, which can provide a new and effective way for the diagnosis and improve the diagnosis of prostate cancer in China.

前列腺癌是男性生殖泌尿系统中常见的恶性肿瘤，发病率和死亡率仅次于肺癌，已成为泌尿外科领域一个越来越重要的课题。由于前列腺复杂的解剖结构、模糊的边界和不同患者前列腺形状的巨大差异，使得对前列腺的自动分割与诊断充满挑战。本项目提出了新型的分割和诊断预测模型来解决这些难题，实现前列腺癌的自动分割与风险评估。首先，使用多参数压缩和激发模块的生成对抗网络（mSE-GAN）生成图像构建数据库，解决数据不足的问题。其次，设计一种新型的定位和分割模型即压缩密集反卷积网络（SDDN）对前列腺癌实现高精度定位分割。最后，使用多参数多网络特征融合的方法对前列腺进行诊断预测。该项目的开展可以解决前列腺癌诊断和评估的若干科学问题，为前列腺癌诊断提供一种新的有效途径，从而提高我国前列腺癌的诊断水平。

前列腺癌作为几种最常见的癌症之一，是影响男性健康的重要疾病。前列腺癌在所有恶性肿瘤中发病率居第一位、死亡率居第二位仅次于肺癌，已成为癌症研究泌尿外科领域一个重要的研究课题。由于前列腺复杂的解剖结构、模糊的边界和不同患者前列腺形状的巨大差异，使得对前列腺的自动分割与诊断充满挑战。本项目提出了新型的分割和诊断预测模型来解决这些难题，实现前列腺癌的自动分割与风险评估。首先，使用多参数压缩和激发模块的生成对抗网络（mSE-GAN）生成MRI图像构建数据库，解决数据不足的问题。其次，设计一种新型的定位和分割模型即压缩密集反卷积网络（SDDN）对前列腺癌实现高精度定位分割。最后，基于多参数多网络特征融合方法对前列腺癌的 MP-MRI 图像进行自动预测。本项目完成预期目标，共发表SCI期刊论文10篇，国际会议论文7篇，专利一项。此课题的开展具有重要的临床意义、科学意义和重要市场前景，其意义如下：（1）该项目提出一种分割结果优越，分类结果准确的前列腺癌自动诊断方法，有望在临床上应用，具有重要临床意义；（2）该项目的开展可以解决前列腺癌诊断和评估的若干科学问题，为前列腺癌诊断提供一种新的有效途径，从而提高我国前列腺癌的诊断水平，具有重要科学意义；（3）目前国内外关于前列腺癌的自动定量分析、自动分割和自动诊断的相关研究很少，市场上也没有此类的产品，具有重要的市场前景。