前列腺癌是当今全球男性患病率第二高的恶性肿瘤疾病,且发病率每年保持增幅态势,被称为“男性的第二大杀手”。尽早诊断前列腺癌,并且及时合理地治疗可以有效减轻病人痛苦,提高存活几率。核磁共振成像（Magnetic Resonance Imaging,MRI）作为一种无创、低成本的检测手段,现已成为放射科医生检测患者前列腺病症的重要依据,被广泛应用于临床。计算机辅助诊断技术（Computer Aided Diagnosis,CAD）能够运用计算机影像学科技帮助医生找到癌灶,并提高判断准确性。面向前列腺核磁共振影像的腺体分割与癌灶检测已成为其中的重要研究内容。本文分析放射科医生处理前列腺MRI影像的先验知识,提出了基于深度神经网络的前列腺分割算法和癌灶检测算法,并通过实验在大量数据样本上获得实践论证,主要研究内容包括:（1）提出了一种基于多形态几何约束的前列腺分割算法。网络框架包含三维粗分割和二维细分割两个阶段:一阶段以三维分割网络V-Net为骨干,加入关键点和边界的预测分支,利用多形态几何信息整体约束腺体形状;二阶段在粗分割基础上,利用注意力机制加强不同切片之间的关联信息,优化两端小腺体切片的分割。同时,本文还引入形状紧凑性损失和二维加权Dice损失,保证腺体整体形状的同时引导网络训练更加关注目标区域,提升分割性能。实验表明,该腺体分割算法的Dice系数、准确率、豪斯多夫距离以及平均表面距离预测值分别为92.65%、93.56%、0.154mm和0.847mm,整体优于该领域对比算法。（2）提出了面向多参数核磁共振影像的前列腺癌灶检测算法。本文通过建模放射科医生在前列腺多参数MRI影像临床诊断中关注的癌灶征象,分析不同参数MRI对前列腺癌灶的作用,设计合适的特征融合编码器,从而平衡空间信息和语义信息。同时,为了使网络的训练和学习更加鲁棒,本文采用任务驱动式的损失函数,对于癌灶的可疑区域赋予了不同的权重。实验结果表明,该算法的Dice系数、准确率、敏感性和特异性等指标分别为68.59%、71.25%、71.76%和99.89%,与相关算法相比达到了更好的性能。（3）提出了面向多中心核磁共振影像的前列腺癌灶检测算法。针对前列腺多参数核磁共振影像数据中存在的域泛化问题,通过特征中心域对齐训练收敛了不同数据域在特征空间中的分布,从而提高网络泛化能力,使网络在未知数据域上的性能提升。最终实验表明,相较于特征中心域对齐训练前的网络,该算法对于未知数据域在癌灶检测任务上的Dice系数进行了大幅提升。以上研究表明,本文提出的算法能够实现前列腺MRI影像腺体区域的分割与癌灶检测任务,不仅提高医生诊断前列腺癌的准确率,同时也可为患者在后续放射治疗过程中提供腺体、癌灶的相对区域位置,实现高效诊断、精准放疗。