一种基于深度学习的结直肠癌MRI图像分割方法

本发明公开了一种基于深度学习的结直肠癌MRI图像分割方法，具体涉及医学影像处理技术领域，用于解决现有的直肠癌影像评估中关键解剖结构显影质量不一致的问题；是通过基于包含T2WI无脂肪抑制序列、DWI及IVIM成像的标准化协议调整扫描参数，结合筋膜层边缘连续性参数动态校准功能序列的配准误差，通过自适应权重分配融合多模态特征，构建深度学习分割模型生成肿瘤至筋膜层的最小浸润距离分割掩膜；进一步分析肿瘤‑筋膜过渡区灌注梯度特征定位微浸润区域，最终将量化结果与临床分期标准比对生成含TNM参数及筋膜受侵状态的结构化报告；通过解剖与功能影像的多维度协同分析，为直肠癌手术切缘规划提供高置信度的三维量化依据。