从MR图像对前列腺进行自动分割越来越多地用于临床诊断。 由于深度学习在计算机视觉应用中表现出卓越的性能，因此我们提出了一种使用集成深度卷积神经网络（DCNN）来解决MR图像中前列腺分割的从粗到细分割策略。 首先，我们在预处理的前列腺MR图像上使用基于配准的粗略分割来定义潜在的边界区域。 然后，我们训练四个DCNN作为基于体素的分类器，并在至少三个DCNN做出该决定时，将潜在区域中的体素分类为前列腺体素。 最后，我们使用边界细化来消除离群值并平滑边界。 我们评估了我们在MICCAI PROMIS1

在磁共振（MR）图像中对前列腺的自动分割已越来越多地应用于前列腺疾病的诊断和各种临床应用。 然而，由于前列腺边界周围的解剖结构不均匀且变化，因此前列腺MR图像的分割面临着巨大的挑战。 由于深度学习在计算机视觉中显示出优异的性能，因此我们提出了一种使用深度神经网络的粗细细分策略，以分别解决直肠内线圈前列腺图像和非直肠内线圈前列腺图像的分割问题。 首先，我们将基于配准的粗略分割呈现给预处理的前列腺MR图像，以获得潜在的边界区域。 其次，我们训练深度神经网络作为基于像素的分类器，以预测潜在边界区域中的