胰腺癌是一种较为严重的恶性肿瘤,被称为癌中之王。2020年胰腺癌在中国癌症新发病例数中排名第8,胰腺癌的死亡率排名第7,其5年生存率仅仅为9%左右,这给人民的生命健康带来了巨大伤害。降低胰腺癌发病率和死亡率的关键就是做到早诊断和早治疗。胰腺分割是胰腺疾病辅助诊断和治疗的基础,通过对CT图像中的胰腺进行分割操作不仅可以提取胰腺的感兴趣区域,方便对胰腺组织和病灶进行分析和识别;还可以测量胰腺器官的尺寸和体积大小,方便医生开展定量的治疗方案;同时也是进行胰腺器官三维重建的前提,可辅助制定外科手术方案等。综上所述,开展基于CT图像的胰腺分割工作具有理论研究和实际临床应用价值。本文围绕基于深度学习的胰腺CT图像分割方法,结合胰腺自身的解剖学特点,分析当前分割技术和模型存在的问题,开展研究如下:1)针对传统U-Net分割方法易被不相关背景信息影响,且忽略切片间序列信息的问题,提出了一种基于DASU-Net的多阶段胰腺分割方法。整个胰腺分割过程分成三个阶段:第一阶段为了去除不相关背景信息对模型的影响,利用解剖先验信息对胰腺器官进行粗定位;第二阶段通过设计的DASU-Net和切片上下文信息提取模块对胰腺进行粗分割,然后基于单张切片分割结果进行胰腺精细定位从而进一步缩小不相关背景;第三阶段使用DASU-Net完成精细分割。在NIH公开数据集上验证结果表明,提出方法改善了欠分割和误分割,最终的DSC系数达到84.26%,JI指标达到72.63%。2)针对基于DASU-Net的多阶段胰腺分割方法操作复杂、分割网络模型特征提取能力不足和参数量较多的问题,提出了一种基于ADT-YOLO的多阶段胰腺分割方法。整个分割过程包含三个阶段:第一阶段利用胰腺解剖先验定位粗略除去不相关背景;第二阶段使用设计的ADT-YOLO检测模型实现端到端的胰腺检测,从而进一步缩小胰腺区域;第三阶段使用设计的PCS-HRNet模型完成胰腺精细分割。在公开数据集的测试结果表明,本文所提出的方法可以在简化定位步骤的同时,保持较高的胰腺分割准确率;此外,设计的PCS-HRNet分割模型不但降低了参数量而且提高了特征提取能力。3)本文针对胰腺疾病鉴别诊断和治疗过程中的实际临床需求,结合医生使用习惯设计了胰腺CT图像分割系统。基于上述分割算法和相关技术,该系统提供胰腺CT图像的预处理,阅览,分割和结果优化功能,可以提高胰腺疾病的诊断精度和效率,从而减轻医生工作中的负担,临床应用前景较为广阔。