近日，北京協(xié)和醫(yī)院放射科金征宇教授、孫昊教授團隊完成的“基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的自動分割前列腺全腺體方法”獲得發(fā)明專利授權(quán)。這項技術(shù)從前列腺解剖結(jié)構(gòu)特點出發(fā)，通過優(yōu)化訓(xùn)練流程、強化薄弱模塊，實現(xiàn)了更為精準(zhǔn)的前列腺全腺體分割，為臨床提供了更為精準(zhǔn)的前列腺全腺體分割方法，可以用于前列腺癌分期自動判斷和輔助制定放射治療計劃等領(lǐng)域。

在前列腺磁共振（MR）圖像上對全腺體進行精準(zhǔn)地自動分割，能顯著縮短分割時間，并提高分割結(jié)果一致性，對于前列腺癌、前列腺增生的病程管理發(fā)揮著重要作用，這一技術(shù)對于自動判斷前列腺癌分期、制定放射治療計劃等具有顯著的臨床價值。近年來，基于深度學(xué)習(xí)的自動分割技術(shù)已在前列腺中開展探索應(yīng)用，但既往研究大多基于單中心數(shù)據(jù)集或單一序列圖像，且部分分割模型缺乏對于新數(shù)據(jù)的適應(yīng)能力，模型難以準(zhǔn)確預(yù)測異質(zhì)性的外部數(shù)據(jù)集，泛化性欠佳。造成上述問題的原因在于沒有充分考慮到不同序列的前列腺MR圖像的分辨率差異較大，且沒有從前列腺解剖結(jié)構(gòu)出發(fā)解決分割難點問題。

團隊基于前列腺MR圖像的特點和前列腺解剖結(jié)構(gòu)的特點，建立了一種基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的自動分割前列腺全腺體方法、設(shè)備、系統(tǒng)及存儲介質(zhì)。這一方法將前列腺MR圖像分為T2WI、DWI、ADC或DCE圖像等多種類型，并將劃分的前列腺尖部、中部和底部MR圖像全部輸入前列腺全腺體分割網(wǎng)絡(luò)，得到前列腺尖部、中部及底部圖像后，將自動分割所得到的結(jié)果合并，最終得到全腺體分割圖像。該方法通過在分割網(wǎng)絡(luò)訓(xùn)練時分別進行分割模型訓(xùn)練的方式，系統(tǒng)地解決了前列腺MR圖像中不同序列圖像分辨率差異較大的問題，并且在分割網(wǎng)絡(luò)上采樣模塊和下采樣模塊上分別進行了調(diào)整。此外，團隊充分考慮到前列腺的解剖結(jié)構(gòu)差異，分別訓(xùn)練前列腺尖部、中部和底部分割網(wǎng)絡(luò)，特別是對前列腺尖部分割網(wǎng)絡(luò)進行了模型強化，以提升整體的分割效果。

該研究得到了國家高水平醫(yī)院臨床科研專項資助的支持。