一种基于术前增强CT深度学习技术预测小肾癌侵袭性的方法

本发明公开了一种基于术前增强CT深度学习技术预测小肾癌侵袭性的方法，步骤包括：步骤S1：训练数据集的收集与标注；步骤S2：多尺度特征聚合分割网络训练，利用标注好的CT增强图像训练SRCC‑Former网络；步骤S3：分割网络的部署与预测，将常规肾癌增强图像送入训练好的SRCC‑Former，获取侵袭性预测结果以及小肾癌病灶分割预测；步骤S4：输出模型结果。本发明利用术前增强CT图像，采用深度学习技术，提取量化组织特征，判断小肾癌是否具有侵袭性，为临床医生治疗方案的选择提供更多依据。该方法可以有效避免不必要的手术或消融治疗，减少治疗风险和医疗费用。