前列腺癌是男性发病率较高的癌症之一,由于其起病隐匿,潜伏时间较长,所以提高早期诊断的准确率,有利于患者健康.磁共振成像作为前列腺癌检测的主要影像手段,将其与深度学习方法相结合,以建立高效的前列腺癌判别模型,为肿瘤预后评估提供重要手段.采集116名前列腺患者的MRT2WI图像,将其分为训练集和测试集,并对其进行图像增强和裁剪,减少周围组织的干扰,同时扩充图像的样本量,然后将其送入搭建好的AlexNet深度学习框架中进行图像特征等的学习.根据学习和训练反馈结果,对网络架构参数等进行优化,以便充分学习前列腺磁共振图像的特征,提高网络模型判别的准确率,经过改进后得到模型训练结果的准确率为0.977.用得到的模型对测试样本进行测试,得到测试准确率为0.967,AUC面积为0.91,可实现对前列腺癌有无的有效判别.
作者：章浩伟；任筱倩；刘颖；娄云重
来源：中国生物医学工程学报 2019 年 38卷 4期
