本發明屬于(yu)基于(yu)醫學影(ying)像(xiang)的前列腺癌(ai)檢測，具體涉及(ji)用于(yu)穿(chuan)刺手(shou)術的前列腺癌(ai)靶點檢測方法。

背景技術：

1、在男性中，前(qian)(qian)(qian)列(lie)腺(xian)癌的患病率(lv)(lv)僅次(ci)于皮膚癌，死亡率(lv)(lv)僅次(ci)于肺癌。前(qian)(qian)(qian)列(lie)腺(xian)癌的早期(qi)發現和(he)診(zhen)(zhen)斷(duan)可(ke)以(yi)有效防止前(qian)(qian)(qian)列(lie)腺(xian)癌發展為(wei)晚(wan)期(qi)轉移癌，并可(ke)以(yi)大大提高患者的生存率(lv)(lv)。目前(qian)(qian)(qian)前(qian)(qian)(qian)列(lie)腺(xian)癌的主流診(zhen)(zhen)斷(duan)流程(cheng)是采用前(qian)(qian)(qian)列(lie)腺(xian)特異性抗原(psa)和(he)磁共振成像(mri)進(jin)行預診(zhen)(zhen)斷(duan)，然后進(jin)行穿(chuan)刺(ci)手術活檢病理檢查(cha)進(jin)行確診(zhen)(zhen)。

2、mri是診斷前(qian)(qian)列(lie)腺癌(ai)的(de)(de)常用成像(xiang)(xiang)方(fang)(fang)法。通過這種(zhong)方(fang)(fang)法，醫(yi)生可以清晰地觀察到(dao)前(qian)(qian)列(lie)腺的(de)(de)結構和(he)(he)病(bing)理信(xin)(xin)息(xi)(xi)，從而大(da)大(da)提(ti)(ti)高(gao)診斷的(de)(de)敏感性(xing)(xing)和(he)(he)特異性(xing)(xing)。從mri圖(tu)像(xiang)(xiang)中能(neng)夠(gou)獲得前(qian)(qian)列(lie)腺癌(ai)病(bing)變的(de)(de)位置、邊界(jie)和(he)(he)體積(ji)等(deng)信(xin)(xin)息(xi)(xi)，這些信(xin)(xin)息(xi)(xi)能(neng)夠(gou)提(ti)(ti)供前(qian)(qian)列(lie)腺癌(ai)病(bing)變位置靶(ba)點信(xin)(xin)息(xi)(xi)，為穿刺(ci)手術(shu)活檢診斷提(ti)(ti)供輔助(zhu)性(xing)(xing)幫助(zhu)。然而，醫(yi)生需(xu)要根據病(bing)變在mri圖(tu)像(xiang)(xiang)的(de)(de)不同序列(lie)中的(de)(de)特征做出判斷，這需(xu)要較強的(de)(de)專業知識和(he)(he)豐富的(de)(de)臨(lin)床經驗，并且人工閱(yue)讀耗(hao)時長(chang)，易受(shou)主觀因素影響。因此需(xu)要一(yi)種(zhong)自動進(jin)行前(qian)(qian)列(lie)腺癌(ai)靶(ba)點檢測的(de)(de)方(fang)(fang)法。

3、隨著深度(du)(du)(du)學(xue)(xue)習(xi)在醫學(xue)(xue)圖(tu)像(xiang)分析領域的(de)(de)發展，基(ji)于卷積神經網(wang)絡(luo)的(de)(de)前(qian)(qian)列腺癌(ai)(ai)檢測方(fang)法(fa)取得了較好的(de)(de)效(xiao)果。常見的(de)(de)深度(du)(du)(du)學(xue)(xue)習(xi)方(fang)法(fa)有(you)深度(du)(du)(du)卷積神經網(wang)絡(luo)、深度(du)(du)(du)卷積編碼器(qi)-解碼器(qi)架構、殘差網(wang)絡(luo)、長短期記憶(yi)網(wang)絡(luo)。基(ji)于深度(du)(du)(du)學(xue)(xue)習(xi)的(de)(de)前(qian)(qian)列腺癌(ai)(ai)檢測方(fang)法(fa)雖然(ran)取得了較好的(de)(de)效(xiao)果，但(dan)大多數(shu)研究只針(zhen)對前(qian)(qian)列腺癌(ai)(ai)的(de)(de)患癌(ai)(ai)情況進行(xing)分類檢測，進行(xing)基(ji)于mri的(de)(de)前(qian)(qian)列腺癌(ai)(ai)預診斷。

4、因(yin)此，能(neng)夠進一步(bu)獲得(de)前(qian)列(lie)腺癌病變(bian)位置等信息的(de)自動檢(jian)測方法仍需要進一步(bu)研(yan)究。

技術實現思路

1、針對現有技術(shu)中(zhong)(zhong)存在的(de)上述問題，本發明的(de)目的(de)在于提(ti)供一(yi)種基于ma-dsn，在前列腺mpmri圖像(xiang)中(zhong)(zhong)，進行前列腺癌的(de)靶點(dian)精準檢測的(de)方法。

2、本發明(ming)提供如下(xia)(xia)技術(shu)方(fang)案：一種用于穿(chuan)刺手術(shu)的前(qian)列腺癌靶點檢測方(fang)法(fa)，包(bao)括以(yi)下(xia)(xia)步驟(zou)：

3、1)使用磁(ci)共振(zhen)掃(sao)描儀對(dui)患(huan)者的(de)前列(lie)(lie)(lie)腺區域進行掃(sao)描，獲得患(huan)者前列(lie)(lie)(lie)腺區域的(de)多參數(shu)mri(multi-parametric?magnetic?resonance?imaging,mpmri)，其(qi)中包(bao)含t2加權像(t2-weighted?imaging,t2w)、表觀擴散系數(shu)(apparent?diffusion?coefficient,adc)和前向傳遞常數(shu)(forward?transfer?constant,ktrans)。在同一空間坐(zuo)標中，它(ta)們在體積(ji)和像素級別(bie)上(shang)是對(dui)應的(de)，t2w圖(tu)像提(ti)供(gong)(gong)前列(lie)(lie)(lie)腺解剖(pou)信(xin)息，adc和k?trans圖(tu)提(ti)供(gong)(gong)額外的(de)功能信(xin)息。

4、2)對前(qian)列(lie)腺mri進(jin)行圖(tu)像配準(zhun)。首(shou)先，將低(di)分(fen)辨(bian)率adc圖(tu)像與(yu)高(gao)分(fen)辨(bian)率t2w圖(tu)像配準(zhun)，以獲(huo)得配準(zhun)的(de)(de)高(gao)分(fen)辨(bian)率adc圖(tu)像。然(ran)后(hou)(hou)，將高(gao)分(fen)辨(bian)率t2w圖(tu)像與(yu)高(gao)分(fen)辨(bian)率adc圖(tu)像配準(zhun)，以獲(huo)得配準(zhun)的(de)(de)t2w圖(tu)像。對配準(zhun)后(hou)(hou)的(de)(de)前(qian)列(lie)腺mri圖(tu)像數據(ju)集(ji)進(jin)行分(fen)割(ge)，將分(fen)割(ge)后(hou)(hou)的(de)(de)數據(ju)分(fen)為訓練集(ji)和測試集(ji)；

5、3)確定(ding)混(hun)合(he)域注(zhu)意力雙(shuang)重分(fen)(fen)割(ge)網(wang)絡(luo)ma-dsn的(de)整體結構，包含基(ji)于混(hun)合(he)域注(zhu)意力機(ji)制的(de)前列(lie)腺區域分(fen)(fen)割(ge)網(wang)絡(luo)和前列(lie)腺癌病灶(zao)區域分(fen)(fen)割(ge)網(wang)絡(luo)兩部分(fen)(fen)。將訓練集(ji)輸入到(dao)混(hun)合(he)域注(zhu)意力雙(shuang)重分(fen)(fen)割(ge)網(wang)絡(luo)ma-dsn中進行訓練，得到(dao)一個用于穿刺手(shou)術(shu)的(de)前列(lie)腺癌特征(zheng)提(ti)取模型和靶點檢(jian)測(ce)模型，訓練集(ji)在混(hun)合(he)域注(zhu)意力雙(shuang)重分(fen)(fen)割(ge)網(wang)絡(luo)ma-dsn中的(de)具體處理過程如下(xia)：

6、3.1)首先(xian)，將(jiang)輸入(ru)的訓練集(ji)前(qian)列腺mpmri圖像送入(ru)一個具(ju)有3個卷(juan)積核的卷(juan)積層進行(xing)信道(dao)轉換(huan)，加快(kuai)網絡(luo)的運行(xing)效率；

7、3.2)輸入的訓練集前(qian)(qian)(qian)列腺(xian)(xian)mpmri圖像(xiang)經卷積(ji)核壓縮后，流(liu)經批歸一化層和relu激活(huo)函數(shu)，首先對前(qian)(qian)(qian)列腺(xian)(xian)mpmri圖像(xiang)進行(xing)前(qian)(qian)(qian)列腺(xian)(xian)區(qu)域分割以(yi)獲得去(qu)除(chu)無關信息后的前(qian)(qian)(qian)列腺(xian)(xian)區(qu)域，然后對圖像(xiang)進行(xing)前(qian)(qian)(qian)列腺(xian)(xian)癌病灶區(qu)域分割，獲得前(qian)(qian)(qian)列腺(xian)(xian)癌病灶靶點(dian)位置。

8、3.3)輸入(ru)的訓練集(ji)(ji)前列腺mpmri圖像經由(you)基于混合域(yu)注(zhu)意力機制的前列腺區域(yu)分(fen)割網(wang)絡。在此網(wang)絡中(zhong)，原(yuan)始圖像(訓練集(ji)(ji)前列腺mpmri圖像)首先輸入(ru)到下采(cai)樣層(ceng)，使(shi)(shi)用卷(juan)(juan)積操作(zuo)進行(xing)特(te)(te)(te)征提取(qu)，再使(shi)(shi)用池化(hua)操作(zuo)降低分(fen)辨率，下采(cai)樣層(ceng)提取(qu)了更高(gao)級別的特(te)(te)(te)征并減少了計算量。然后下采(cai)樣后的特(te)(te)(te)征圖被輸入(ru)到上采(cai)樣層(ceng)，進行(xing)特(te)(te)(te)征提取(qu)后再使(shi)(shi)用轉(zhuan)置卷(juan)(juan)積操作(zuo)恢復分(fen)辨率，即恢復圖像細節(jie)。在上采(cai)樣層(ceng)嵌入(ru)混合域(yu)注(zhu)意力機制模塊，混合域(yu)注(zhu)意力機制經過通道(dao)分(fen)支(zhi)和空(kong)間分(fen)支(zhi)兩條路徑(jing)提取(qu)通道(dao)域(yu)注(zhu)意力特(te)(te)(te)征和空(kong)間域(yu)注(zhu)意力特(te)(te)(te)征；

9、3.4)將3.3)獲取(qu)的通道(dao)域注(zhu)意(yi)力特征(zheng)和空間域注(zhu)意(yi)力特征(zheng)以串(chuan)行的方式融合，對輸入的前(qian)列腺mpmri圖(tu)像進行注(zhu)意(yi)力加權，在組織結構更(geng)清晰的t2w圖(tu)像上完(wan)成前(qian)列腺區域的分割；

10、3.5)將(jiang)步驟3.4)中經過基于(yu)混合域注(zhu)意(yi)力機(ji)制(zhi)的(de)(de)前(qian)列(lie)腺(xian)區域分(fen)割網(wang)絡(luo)的(de)(de)t2w圖(tu)、adc圖(tu)和(he)ktrans圖(tu)分(fen)別用作(zuo)輸(shu)(shu)入(ru)(ru)圖(tu)像(xiang)(xiang)的(de)(de)三個通(tong)道，然后(hou)輸(shu)(shu)入(ru)(ru)到前(qian)列(lie)腺(xian)癌病灶區域分(fen)割網(wang)絡(luo)。網(wang)絡(luo)基于(yu)經典u-net網(wang)絡(luo)結構組成，首先(xian)對特(te)征(zheng)(zheng)(zheng)圖(tu)(即輸(shu)(shu)入(ru)(ru)圖(tu)像(xiang)(xiang))進行(xing)四(si)次卷積和(he)池化，得到四(si)個不同尺寸(cun)的(de)(de)特(te)征(zheng)(zheng)(zheng)圖(tu)。然后(hou)對特(te)征(zheng)(zheng)(zheng)圖(tu)做上采樣，將(jiang)反(fan)卷積后(hou)的(de)(de)特(te)征(zheng)(zheng)(zheng)圖(tu)與尺寸(cun)相同的(de)(de)卷積池化操作(zuo)后(hou)的(de)(de)特(te)征(zheng)(zheng)(zheng)圖(tu)進行(xing)通(tong)道上的(de)(de)拼接(jie)(jie)，再對拼接(jie)(jie)后(hou)的(de)(de)特(te)征(zheng)(zheng)(zheng)圖(tu)做上采樣并與尺寸(cun)相同的(de)(de)特(te)征(zheng)(zheng)(zheng)圖(tu)進行(xing)拼接(jie)(jie)，經過四(si)次上采樣后(hou)得到與原始圖(tu)像(xiang)(xiang)(即輸(shu)(shu)入(ru)(ru)圖(tu)像(xiang)(xiang))尺寸(cun)相同的(de)(de)預測結果，即前(qian)列(lie)腺(xian)癌病灶靶點位置掩膜。

11、4)將測(ce)試集的前列腺mpmri圖像輸入到訓練(lian)好的混合域注意(yi)力雙重分割網絡(luo)ma-dsn模型中(zhong)進行前列腺癌靶點檢測(ce)。

12、所述(shu)的(de)一種用于穿刺手術(shu)的(de)前列(lie)腺(xian)(xian)癌(ai)靶點檢(jian)測方法，其(qi)特征在(zai)于基于混合(he)域(yu)注意(yi)力機(ji)制的(de)前列(lie)腺(xian)(xian)區域(yu)分割網絡中，對前列(lie)腺(xian)(xian)區域(yu)的(de)精準分割。

13、所述的(de)(de)一種用(yong)于穿刺手術的(de)(de)前列(lie)腺癌靶點檢測方(fang)法，其(qi)特(te)(te)征(zheng)在于所述步驟3.3)中，輸(shu)入的(de)(de)訓練(lian)集前列(lie)腺mpmri圖像(xiang)經由基于混合域注(zhu)意(yi)力(li)(li)機制的(de)(de)前列(lie)腺區(qu)域分(fen)割網絡(luo)，混合域注(zhu)意(yi)力(li)(li)機制經過通道(dao)分(fen)支(zhi)和(he)空間分(fen)支(zhi)兩條路(lu)徑提取(qu)通道(dao)域注(zhu)意(yi)力(li)(li)特(te)(te)征(zheng)和(he)空間域注(zhu)意(yi)力(li)(li)特(te)(te)征(zheng)，具(ju)體過程(cheng)如(ru)下：

14、3.3.1)混合(he)(he)域注(zhu)意(yi)(yi)力機制的(de)通(tong)道(dao)分(fen)支中，輸(shu)入(ru)(ru)特(te)征(zheng)(zheng)分(fen)別經(jing)過(guo)全(quan)局(ju)最(zui)大(da)池化(hua)和全(quan)局(ju)平(ping)均池化(hua)，最(zui)大(da)池化(hua)只有輸(shu)入(ru)(ru)特(te)征(zheng)(zheng)中響(xiang)應最(zui)大(da)的(de)地方有梯度的(de)反饋，平(ping)均池化(hua)對輸(shu)入(ru)(ru)特(te)征(zheng)(zheng)上的(de)每一個像素(su)點都有反饋聚合(he)(he)特(te)征(zheng)(zheng)映射的(de)空間信(xin)息(xi)，然后(hou)送(song)入(ru)(ru)一個兩層的(de)共(gong)享神經(jing)網絡(luo)w1和w0，共(gong)享神經(jing)網絡(luo)壓縮(suo)輸(shu)入(ru)(ru)特(te)征(zheng)(zheng)圖的(de)空間維數(shu)，逐元素(su)求和合(he)(he)并，再經(jing)過(guo)sigmoid激活(huo)操(cao)作以產生通(tong)道(dao)域注(zhu)意(yi)(yi)力特(te)征(zheng)(zheng)mc，即：

15、

16、3.3.2)混合(he)域注意力機制的(de)(de)空間(jian)分(fen)支中，輸(shu)入特(te)(te)征(zheng)(zheng)為通道(dao)分(fen)支的(de)(de)輸(shu)出特(te)(te)征(zheng)(zheng)。空間(jian)分(fen)支的(de)(de)輸(shu)入特(te)(te)征(zheng)(zheng)首先進(jin)行(xing)(xing)一(yi)個(ge)基于通道(dao)的(de)(de)全局最(zui)大(da)池化(hua)(hua)(hua)和全局平(ping)均池化(hua)(hua)(hua)，最(zui)大(da)池化(hua)(hua)(hua)是(shi)在通道(dao)上提取(qu)最(zui)大(da)值，平(ping)均池化(hua)(hua)(hua)是(shi)在通道(dao)上提取(qu)平(ping)均值，然(ran)(ran)后將兩(liang)個(ge)結果進(jin)行(xing)(xing)通道(dao)方向的(de)(de)拼接(jie),然(ran)(ran)后經過(guo)一(yi)個(ge)卷積操作，對輸(shu)入特(te)(te)征(zheng)(zheng)進(jin)行(xing)(xing)降維，再經過(guo)sigmoid生成空間(jian)域注意力特(te)(te)征(zheng)(zheng)ms，即：

17、

18、其中，f7×7代表卷積核的大小(xiao)，σ代表sigmoid操作。

19、3.3.3)混合(he)域(yu)(yu)注(zhu)意力機制中，輸(shu)入特(te)(te)(te)征通(tong)過(guo)通(tong)道分(fen)(fen)(fen)支(zhi)得(de)到通(tong)道域(yu)(yu)注(zhu)意力特(te)(te)(te)征mc，通(tong)道分(fen)(fen)(fen)支(zhi)和(he)空間(jian)(jian)分(fen)(fen)(fen)支(zhi)以串行(xing)的方式融合(he)，通(tong)道域(yu)(yu)注(zhu)意力特(te)(te)(te)征mc與輸(shu)入特(te)(te)(te)征相(xiang)乘后(hou)作為空間(jian)(jian)分(fen)(fen)(fen)支(zhi)的輸(shu)入，得(de)到空間(jian)(jian)域(yu)(yu)注(zhu)意力特(te)(te)(te)征ms，再(zai)與輸(shu)入特(te)(te)(te)征相(xiang)乘，對輸(shu)入的前列腺mpmri圖像進行(xing)注(zhu)意力加(jia)權，即：

20、

21、所述的(de)一種用(yong)于穿刺手術(shu)的(de)前列腺(xian)癌靶點檢測方(fang)法，其特征在于，所述的(de)步驟3中混合域注(zhu)意力(li)雙重(zhong)分(fen)割網(wang)(wang)絡ma-dsn模型采(cai)用(yong)tversky損失函數(shu)和(he)周期(qi)學(xue)習率調整策略進行網(wang)(wang)絡訓練，并采(cai)用(yong)tversky損失函數(shu)來(lai)評估(gu)網(wang)(wang)絡的(de)訓練和(he)驗證損失。

22、通過(guo)采用上述技(ji)術(shu)，與(yu)現有技(ji)術(shu)相比，本發明(ming)的有益效果如下：

23、本發明方法開發了一種新的(de)混合域(yu)注意力雙(shuang)重分(fen)(fen)割網絡ma-dsn，將(jiang)混合域(yu)注意力機制集成(cheng)到基(ji)于u-net的(de)前(qian)列腺區(qu)(qu)域(yu)分(fen)(fen)割網絡，通過通道域(yu)特(te)征和空間域(yu)特(te)征的(de)注意力對前(qian)列腺mri圖像進行權重標定(ding)，提高前(qian)列腺區(qu)(qu)域(yu)分(fen)(fen)割的(de)準確性；在(zai)此基(ji)礎(chu)上(shang)，將(jiang)分(fen)(fen)割后(hou)的(de)前(qian)列腺區(qu)(qu)域(yu)圖像輸入(ru)到3d前(qian)列腺癌病(bing)灶(zao)區(qu)(qu)域(yu)分(fen)(fen)割網絡，利用(yong)3d數據的(de)空間上(shang)下文信息完成(cheng)對前(qian)列腺病(bing)灶(zao)區(qu)(qu)域(yu)的(de)分(fen)(fen)割，獲得用(yong)于穿刺手術的(de)前(qian)列腺病(bing)灶(zao)靶點。