1.一種基于圖像分析的前列腺疾病分析方法，用于對包含前列腺區(qū)域的原始圖像進行分析，其特征在于：包括以下步驟：

(1)將所述原始圖像中的前列腺區(qū)域分割出來；

(2)尋找前列腺區(qū)域圖像的對稱軸，將前列腺區(qū)域圖像分為左、右兩部分，得到左、右兩幅圖像；

(3)對左、右兩幅圖像中的一幅圖像進行鏡像處理后，再計算該鏡像處理后的圖像與另一幅圖像之間的相似度即互相關(guān)系數(shù)，如果該病例的互相關(guān)系數(shù)小于閾值，則判斷為疑似前列腺疾病；否則判斷為正常。

2.根據(jù)權(quán)利要求1所述的基于圖像分析的前列腺疾病分析方法，其特征在于：所述步驟(1)中，采用水平集方法分割原始圖像中的前列腺區(qū)域，且采用一種改進的活動輪廓模型即LCG模型，其能量函數(shù)如下：

E=α(λ1∫in|I(x)-c1|2dxdy+λ2∫out|I(x)-c2|2dxdy)+β(∫Ω(H(φ(x))-G(x))2dΩ)+γη1(∫Ωinkϵ(x-y)|I(y)-f1(x)|2dxdy)+η2(∫Ωoutkϵ(x-y)|I(y)-f2(x)|2dxdy)]]>

式中，kϵ(u)=1(2π)1/2ϵe-|u|2/2ϵ2,]]>是高斯核函數(shù)，其中u代表自變量，ε為高斯函數(shù)方差；是Heaviside函數(shù)；α,β,γ分別為區(qū)域、邊界和局部三個模型的權(quán)重參數(shù)；λ₁、λ₂、η₁、η₂是對應(yīng)能量項的系數(shù)，并且滿足如下條件：λ₁≥0，λ₂≥0，η₁≥0,η₂≥0；I為原始圖像，閉合曲線將圖像I分為曲線內(nèi)部區(qū)域和曲線外部區(qū)域，這兩個區(qū)域的平均灰度值分別為c₁、c₂；G為利用閾值法分割提取的目標物邊界；f₁(x)和f₂(x)均為最小化函數(shù)，其中：

f1(x)=kϵ(x)*[H(φ(x))I(x)]kϵ(x)*H(φ(x)),]]>

f2(x)=kϵ(x)*[1-H(φ(x))I(x)]kϵ(x)*[1-H(φ(x))];]]>

Φ為水平集函數(shù)，其演化方程為：

∂φ∂t=δϵ(φ)·[αE1-2βE2+γE3+div(▿φ|▿φ|)]]]>

其中：

e1=∫Ωinkϵ(x-y)|I(y)-f1(x)|2dxdy,]]>

e2=∫Ωoutkϵ(x-y)|I(y)-f2(x)|2dxdy,]]>

c1=∫ΩI(x,y)H(φ(x,y))dxdy∫ΩH(φ(x,y))dxdy,]]>

c2=∫ΩI(x,y)(1-H(φ(x,y)))dxdy∫Ω(1-H(φ(x,y)))dxdy]]>

其中，α,β,γ，λ₁＞0,λ₂＞0為各個模型的權(quán)重參數(shù)，其取值為div表示求矢量的散度；表示求梯度；δϵ(φ)=1π·ϵϵ2+φ2]]>為Dirac函數(shù)。