食管癌是八大常见恶性肿瘤之一,其发病率和死亡率居高不下。大多数患者在确诊时已是局部进展期或晚期,错失了治疗最佳期,预后效果极差。影响食管癌预后的因素包括临床分期、淋巴结状态、病理类型等,早期诊断且个性化的治疗方案、合理控制食管癌的发病危险因素能有效改善食管癌患者的预后状况。因此,对食管癌的早期诊断与治疗变得十分重要。近年来,以深度学习为主要代表的机器学习技术发展势头强劲,尤其是在自然语言处理、目标识别、图像处理等方面取得了良好的成果。医学影像作为一种特殊的图像,深度学习技术为医学图像数据的挖掘带来了新的希望。尤其是在疾病的鉴别、诊断、检出以及预测等方面大显身手,在辅助临床决策上带来重要参考。新技术的出现,为食管癌临床诊断带来了新契机。本文总结了深度学习近年在医学影像方面的研究进展,以及食管癌术前分期、淋巴结转移状态在临床问题上面临的挑战与技术难题,将深度学习技术引入到食管癌术前影像诊断上,并展开研究。主要研究内容和创新点如下:1.针对食管癌临床影像诊断过程中,部分必要影像图像不完备的情况,本文提出了利用生成式对抗网络从患者的平扫CT影像中生成对应的对比增强CT影像,并改进网络引入感知特征提取器,衡量生成增强图像与真实图像间的关系,同时提出双向感知损失函数,让网络训练更稳定,生成的图像中包含更多符合人眼视觉感知的细节信息。2.针对CT影像对食管癌分期存在敏感性低、准确性低的问题,本文提出了一种基于感知注意力机制的影像空间信息联合时序语义信息的特征提取模型。在影像组学方法描述的影像空间信息基础上,引入长短期记忆网络(LSTM)提取各个时刻切片上的感知时序特征,从时间维度上获取与肿瘤分期相关的更多信息。针对空间、时间等不同尺度的信息融合,引入感知注意力机制衡量不同维度信息对分期的重要程度。另外,利用独立外部验证数据对模型进行了验证。3.针对CT影像在术前诊断食管癌淋巴结转移状态中,准确率低、漏诊率和误诊率高的临床问题,本文提出了多水平影像特征综合预测淋巴结转移状态模型,从机器视觉特征、传统影像组学特征以及感知特征方面,设计稀疏自编码特征融合网络处理不同维度、不同层面的高维特征。并利用统计学方法构建淋巴结转移预测模型,并从鉴别能力、分类能力以及临床实用性等方面综合评估模型性能。综上,本文针对食管癌在临床上亟需解决的影像缺失问题、术前精准分期难、淋巴结转移状态预测难三个关键科学问题进行了深入研究,内容涵盖了基于生成式对抗网络的医学图像的生成、基于深度卷积神经网络的特征提取与融合、多水平特征信息融合以及模型的构建与评估。这些研究对食管癌术前辅助临床诊断、治疗决策具有积极的推动作用。