在临床前列腺穿刺活检中,融合磁共振成像(MRI)的影像诊断与经直肠超声(TRUS)的实时信息具有提高病灶穿刺检出率和临床医师操作效率的临床应用价值。本文通过参与层面匹配装置设计,并结合图像机器学习算法,改进MRI/TRUS融合穿刺导航系统,尝试解决MRI和TRUS成像在前列腺癌的临床穿刺活检过程中存在的层面匹配和图像配准问题。本文针对MRI前列腺癌病灶辅助诊断问题,采用基于神经网络和凸优化技术并结合血流动力学分析、特征提取等方法实现定位病灶位置、判断组织良恶性的目的。针对MRI/TRUS的融合问题,本文设计、改进腔内标记物装置,采用自适应阈值、霍夫变换和图像掩膜处理相结合的图像处理技术实现术中超声数据和术前MRI数据的层面匹配。针对导航系统设计,采用TPS-RPM(thin plate spline-robust point matching)算法对相应同层面的前列腺图像进行非刚性的多模态配准并实现超声探针的检测及其与MRI上相应位置的显示。本文首先通过对临床采集的人体前列腺MRI数据进行基于人工神经网络和凸优化的辅助诊断系统测试并进行评估。网络训练过程中,采集32组前列腺MRI中央腺体和外周带内共计1107个样本感兴趣区域(ROI)作为训练样本,实验结果显示,基于T2加权成像(T2WIMRI)的诊断率为86%,基于弥散加权成像(DWI-MRI)的诊断率为84%,具有临床识别度。其次对离线超声数据进行基于前列腺腺体轮廓点集的分割-配准方法实验,实验结果表明该方法能够有效改进对MRI/TRUS的非刚性形变图像配准效果。最后采用实验犬前列腺进行融合配准的动物实验,实验结果表明本文的多模态图像匹配装置能够有效改进多模态影像融合过程中的层面匹配效果。因此,本文方法有可能减少穿刺手术实施难度并已获得临床医生认可。