基于深度学习的前列腺癌图像识别分类模型的构建方法

本发明涉及医学影像处理技术领域，尤其涉及一种基于深度学习的前列腺癌图像识别分类模型的构建方法。所述方法包括以下步骤：获取标准化多模态影像集；根据标准化多模态影像集构建区域间特性比值图谱；根据区域间特性比值图谱构建区域物理特征张量；将标准化多模态影像集划分为外周带、移行带和中央带三个区域，引入解剖学先验知识作为约束条件，根据区域物理特征张量进行非线性映射函数构建，得到形态物理映射函数集；根据区域物理特征张量和形态物理映射函数集生成形态物理联合特征图；根据形态物理联合特征图构建物理特性递进约束集。本发明通过多物理参数融合和解剖学约束的分类方法提高了前列腺癌图像识别分类的准确性、鲁棒性和可解释性。