1.基于多深度信念网络的磁共振MRI前列腺3D图像分割方法，包括：(1)获取n×m幅磁共振MRI前列腺图像，其中n＝10表示患者个数，m≤50表示每个患者最多有50幅图像；

(2)对每幅图像的所有像素点进行预处理，即将以每个像素点为中心的13×13×3的长方体转换成1×507维的行向量，得到由m×l个行向量组成的患者数据集，其中l表示每一幅图像中的像素点个数，l≤7200；

(3)构造训练集：

从10个患者中选取9个患者，将所选的每个患者的前 个行向量组成第一训练集，中间 个行向量组成第二训练集，后 个行向量组成第三训练集；

将剩余的1个患者，再按照如上方法分成三个测试集，分别为第一测试集、第二测试集和第三测试集；

(4)构建深度信念网络，分别用第一训练集学习得到网络一，用第二训练集学习得到网络二，用第三训练集学习得到网络三，这三个网络具有相同的结构；

(5)使用网络一训练一个softmax分类器得到分类器一，使用网络二训练一个softmax分类器得到分类器二，使用网络三训练一个softmax分类器得到分类器三；

(6)对测试集进行分割：

将第一测试集输入网络一将其结果输入分类器一进行计算，得到第一测试集的分割结果；

将第二测试集输入网络二将其结果输入分类器二进行计算，得到第二测试集的分割结果；

将第三测试集输入网络三将其结果输入分类器三进行计算，得到第三测试集的分割结果；

将三个测试集的分割结果依次合并，得到测试集的分割结果；

(7)对测试集分割结果进行三维形态学处理得到最终的分割结果。

2.根据权利要求1所述的基于多深度信念网络的磁共振MRI前列腺3D图像分割方法，其中步骤(4)构建深度信念网络，使用三个受限玻尔兹曼机依次叠加构造一个三层的深度信念网络，三个受限玻尔兹曼机的节点数分别为500、1000、500。

3.根据权利要求1所述的基于多深度信念网络的MRI前列腺3D图像分割方法，其中步骤(5)使用网络一训练一个softmax分类器得到分类器一，按照如下步骤进行：(5a)将第一训练集输入到网络一中得到网络一的输出，将此输出作为softmax分类器的训练集；

(5b)将训练集输入到softmax分类器中，使用梯度下降算法极小化误差，求得分类器的最优参数，得到分类器一。

4.根据权利要求1所述的基于多深度信念网络的磁共振MRI前列腺3D图像分割方法，其中步骤(6)将第一测试集输入网络一将其结果输入分类器一进行计算，得到第一测试集的分割结果，按照如下步骤进行：(6a)将第一测试集输入网络一将其结果输入分类器一进行计算，得到第一测试集的分割结果。

5.根据权利要求1所述的基于多深度信念网络的磁共振MRI前列腺3D图像分割方法，其中步骤(7)对测试集的初分割结果进行三维形态学处理得到最终的分割结果，按照如下步骤进行：(7a)将测试集的初分割结果进行三维膨胀处理得到膨胀处理结果；

(7b)将膨胀处理结果进行三维腐蚀处理得到腐蚀处理结果；

(7c)将腐蚀处理结果再次进行三维膨胀处理得到最终的分割结果。