工程科学学报.第42卷，第10期：1362-1371.2020年10月 Chinese Journal of Engineering,Vol.42,No.10:1362-1371,October 2020 https://doi.org/10.13374/j.issn2095-9389.2019.10.10.006;http://cje.ustb.edu.cn 基于监督学习的前列腺MR/TRUS图像分割和配准方法 丛 明，吴童)，刘冬)四，杨德勇，杜宇) 1)大连理工大学机械工程学院，大连1160242)大连医科大学附属第一医院泌尿外科，大连1160243)大连大华中天科技有限公司，大 连116024 ☒通信作者，E-mail:liud@dlut.edu.cn 摘要前列腺核磁超声图像配准融合有助于实现前列腺肿瘤的靶向穿刺.传统的配准方法主要是针对手动分割的前列腺 核磁(Magnetic resonance,.MR)和经直肠超声(Trans-rectal ultrasound,.TRUS)图像上对应的生理特征点作为参考点，进行刚体或 非刚体配准.针对超声图像因成像质量低导致手动分割配准效率低下的问题，提出一种基于监督学习的前列腺MR/TRUS图 像自动分割方法，与术前核磁图像进行非刚体配准.首先，针对图像分割任务训练前列腺超声图像的活动表观模型(Active appearance model,AAM),并基于随机森林建立边界驱动的数学模型，实现超声图像自动分割.接着，提取术前分割的核磁图 像与自动分割的超声图像建立轮廓的形状特征矢量，进行特征匹配与图像配准.实验结果表明，本文方法能准确实现前列腺 超声图像自动分割与配准融合，9组配准结果的戴斯相似性系数(Dice similarity coefficient,DSC)均大于0.98，同时尿道口处特 征点的平均定位精度达1.64mm,相比传统方法具有更高的配准精度 关键词前列腺：图像配准：图像分割：随机森林：活动表观模型 分类号TP391.7 Prostate MR/TRUS image segmentation and registration methods based on supervised learning CONG Ming",WU Tong,LIU Dong,YANG De-yong?,DU Yu 1)School of Mechanical Engineering,Dalian University of Technology,Dalian 116024,China 2)Urology Department,First Affiliated Hospital of Dalian Medical University,Dalian 116024,China 3)Dalian Dahuazhongtian Technology Co.,Ltd,Dalian 116024,China Corresponding author,E-mail:liud@dlut.edu.cn ABSTRACT At present,the diagnosis of prostate cancer mainly relies on the level of prostate-specific antigen (PSA)followed by a prostate biopsy.The technology,transrectal ultrasound (TRUS),has been the most popular method for diagnosing prostate cancer because of its advantages,such as real-time,low cost,easy operation.However,the low imaging quality of ultrasound equipment makes it difficult to distinguish regions of malignant tumors from those of healthy tissues from low-quality images,which results in missing diagnoses or overtreating conditions.In contrast,magnetic resonance (MR)images of the prostate can quickly locate the position of malignant tumors.It is crucial to register the annotated MR images and the corresponding TRUS image to perform a targeted biopsy of the prostate tumor.The registration fusion of prostate magnetic resonance and transrectal ultrasound images helps to improve the accuracy of the prostate lesions targeted biopsy.Traditional registration methods that are usually manually selected,specific anatomical landmarks in segmented areas used as a reference,and performed rigid or nonrigid registration,which is inefficient because of the low quality of prostate TRUS images and the substantial differences in pixel intensity of the prostate between MR and TRUS images.This 收稿日期：2019-10-10 基金项目：国家自然科学基金资助项目(51575078,51705063)基于监督学习的前列腺 MR/TRUS 图像分割和配准方法 丛    明1)，吴    童1)，刘    冬1) 苣，杨德勇2)，杜    宇3) 1) 大连理工大学机械工程学院，大连 116024    2) 大连医科大学附属第一医院泌尿外科，大连 116024    3) 大连大华中天科技有限公司，大 连 116024 苣通信作者，E-mail：liud@dlut.edu.cn 摘    要    前列腺核磁超声图像配准融合有助于实现前列腺肿瘤的靶向穿刺. 传统的配准方法主要是针对手动分割的前列腺 核磁（Magnetic resonance, MR）和经直肠超声（Trans-rectal ultrasound, TRUS）图像上对应的生理特征点作为参考点，进行刚体或 非刚体配准. 针对超声图像因成像质量低导致手动分割配准效率低下的问题，提出一种基于监督学习的前列腺 MR/TRUS 图 像自动分割方法，与术前核磁图像进行非刚体配准. 首先，针对图像分割任务训练前列腺超声图像的活动表观模型（Active appearance model, AAM），并基于随机森林建立边界驱动的数学模型，实现超声图像自动分割. 接着，提取术前分割的核磁图 像与自动分割的超声图像建立轮廓的形状特征矢量，进行特征匹配与图像配准. 实验结果表明，本文方法能准确实现前列腺 超声图像自动分割与配准融合，9 组配准结果的戴斯相似性系数（Dice similarity coefficient, DSC）均大于 0.98，同时尿道口处特 征点的平均定位精度达 1.64 mm，相比传统方法具有更高的配准精度. 关键词    前列腺；图像配准；图像分割；随机森林；活动表观模型 分类号    TP391.7 Prostate MR/TRUS image segmentation and registration methods based on supervised learning CONG Ming1) ，WU Tong1) ，LIU Dong1) 苣 ，YANG De-yong2) ，DU Yu3) 1) School of Mechanical Engineering, Dalian University of Technology, Dalian 116024, China 2) Urology Department, First Affiliated Hospital of Dalian Medical University, Dalian 116024, China 3) Dalian Dahuazhongtian Technology Co., Ltd, Dalian 116024, China 苣 Corresponding author, E-mail: liud@dlut.edu.cn ABSTRACT    At present, the diagnosis of prostate cancer mainly relies on the level of prostate-specific antigen (PSA) followed by a prostate  biopsy.  The  technology,  transrectal  ultrasound  (TRUS),  has  been  the  most  popular  method  for  diagnosing  prostate  cancer because of its advantages, such as real-time, low cost, easy operation. However, the low imaging quality of ultrasound equipment makes it difficult to distinguish regions of malignant tumors from those of healthy tissues from low-quality images, which results in missing diagnoses  or  overtreating  conditions.  In  contrast,  magnetic  resonance  (MR)  images  of  the  prostate  can  quickly  locate  the  position  of malignant tumors. It is crucial to register the annotated MR images and the corresponding TRUS image to perform a targeted biopsy of the  prostate  tumor.  The  registration  fusion  of  prostate  magnetic  resonance  and  transrectal  ultrasound  images  helps  to  improve  the accuracy of the prostate lesions targeted biopsy. Traditional registration methods that are usually manually selected, specific anatomical landmarks in segmented areas used as a reference, and performed rigid or nonrigid registration, which is inefficient because of the low quality of prostate TRUS images and the substantial differences in pixel intensity of the prostate between MR and TRUS images. This 收稿日期: 2019−10−10 基金项目: 国家自然科学基金资助项目（51575078, 51705063） 工程科学学报，第 42 卷，第 10 期：1362−1371，2020 年 10 月 Chinese Journal of Engineering, Vol. 42, No. 10: 1362−1371, October 2020 https://doi.org/10.13374/j.issn2095-9389.2019.10.10.006; http://cje.ustb.edu.cn