CN115471470B 一种食管癌ct图像分割方法 （安徽大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115471470B(45)授权公告日2025.07.04

(21)申请号202211113743.0

(22)申请日2022.09.14

(65)同一申请的已公布的文献号申请公布号CN115471470A

(43)申请公布日2022.12.13

(73)专利权人安徽大学

地址230000安徽省合肥市肥西路3号

(72)发明人方逸仙姜入文

GO6V10/82(2022.01)

GO6N3/0455(2023.01)

GO6N3/0464(2023.01)

(56)对比文件

方逸仙.基于深度学习的食管癌图像分割算法研究.中国优秀硕士学位论文全文数据库医药卫生科技辑.2025,(第03期),全文.

审查员吴琳

(74)专利代理机构芜湖启腾专利代理事务所

(普通合伙)34337专利代理师胡建豪

(51)Int.CI.

GO6T7/00(2017.01)

GO6T7/11(2017.01)

GO6V10/80(2022.01)权利要求书1页说明书5页附图7页

(54)发明名称

一种食管癌CT图像分割方法

(57)摘要

CN115471470B本发明公开一种食管癌CT图像分割方法，包括步骤一、获取CT图片并对其进行格式转换，步骤二、对转换后的文件数据切片获得食管CT图和肿瘤靶区CT图，步骤三、将切片后的图片处理后输入至YOLOv5s定位网络中训练检测获得阳性样本，步骤四、将获取的阳性样本预处理后输入Mfswin-unet分割网络中进行融合分割；本发明利用定位网络定位提取阳性样本后利用分割网络中的swintransformer块进行特征提取，大大增加了特征提取能力，多尺度融合模块将跨通道信息和空间信息混合在一起提取信息特征，能关注到更重要的特征，抑制不重要的特征，减少网络在下采样损失的细节信息，从而获得更好的分割效

CN115471470B

步骤一：获取

步骤一：获取CT图并将其转化为NIFTI格式的文件

步骤二：对转换后的文件数据切片获得食管CT图和肿瘤

靶区CT图

步骤三：将切片后的图片处

理后输入至YOLOv5s定位网络

中训练检测获得阳性样本

步骤四：将获取的阳性样本

预处理后输入Mfswin-unet分

割网络中进行分割

CN115471470B权利要求书1/1页

2

1.一种食管癌CT图像分割方法，其特征在于，包括以下步骤：

步骤一、先获取病人的CT图，然后将每个病人的食管及其肿瘤靶区的原始DICOM图像转换为NIFTI格式的文件；

步骤二、将转换后的文件数据进行切片，分别得到png格式的食管CT图和肿瘤靶区CT图，每张图生成一个对应的食管分割掩码和肿瘤靶区分割掩码；

步骤三、将切片后的图片数据处理为8位灰度图像，再将其处理成大小为256×256的图片输入至YOLOv5s定位网络中进行训练和检测，检测获得阳性样本；

步骤四、将获得的阳性样本进行预处理后输入包含编译器、瓶颈层、多尺度融合模块、解码器和跳跃连接的Mfswin-unet分割网络中，利用卷积神经网络模块对不同大小的特征图进行上采样后再利用多尺度融合模块将不同尺度的特征融合拼接，再在上采样特征上利用线性投影层输出像素级别分割预测，最后根据分割预测进行图像分割。

2.根据权利要求1所述的一种食管癌CT图像分割方法，其特征在于：所述步骤三中YOLOv5s定位网络由输入端、主干模块、颈部模块和预测模块组成，所述输入端用于对数据进行增强、自适应锚框计算和自适应图像缩放的预处理操作；所述主干模块用于提取通用特征图并通过上采样和下采样进行传输和融合；所述颈部模块用于执行特征融合操作；所述预测模块用于获取预测的特征图。

3.根据权利要求1所述的一种食管癌CT图像分割方法，其特征在于：所述步骤三中YOLOv5s定位网络包含24个卷积层，后两个是全连接层，在利用YOLOv5s定位网络训练前先使用ImageNet的1000类数据对网络的前20个卷积层、1个平均池化层和1个全连接层进行预训练，并用得到的前20个卷积层网络参数初始化YOLOv5s定位网络模型的前20个卷