摘要:
前列腺核磁超聲圖像配準融合有助于實現前列腺腫瘤的靶向穿刺。傳統的配準方法主要是針對手動分割的前列腺核磁(Magnetic resonance, MR)和經直腸超聲(Trans-rectal ultrasound, TRUS)圖像上對應的生理特征點作為參考點,進行剛體或非剛體配準。針對超聲圖像因成像質量低導致手動分割配準效率低下的問題,提出一種基于監督學習的前列腺MR/TRUS圖像自動分割方法,與術前核磁圖像進行非剛體配準。首先,針對圖像分割任務訓練前列腺超聲圖像的活動表觀模型(Active appearance model, AAM),并基于隨機森林建立邊界驅動的數學模型,實現超聲圖像自動分割。接著,提取術前分割的核磁圖像與自動分割的超聲圖像建立輪廓的形狀特征矢量,進行特征匹配與圖像配準。實驗結果表明,本文方法能準確實現前列腺超聲圖像自動分割與配準融合,9組配準結果的戴斯相似性系數(Dice similarity coefficient, DSC)均大于0.98,同時尿道口處特征點的平均定位精度達1.64 mm,相比傳統方法具有更高的配準精度。