以肿瘤为中心的块提取用于增强医学图像分割

随着计算机辅助诊断与手术系统的融合，医学图像诊断领域已取得显著进展。然而挑战依然存在，尤其在实现精确图像分割方面。尽管深度学习技术展现出潜力，但资源有限、收敛缓慢与类不平衡等障碍制约了其有效性。传统的基于块的方法虽常见，却难以捕捉复杂肿瘤边界，且常导致冗余样本，损害计算效率与特征质量。为解决这些问题，本研究提出一种以肿瘤本身为中心的基于块的图像分析新方法。这种新颖的以肿瘤为中心的块提取方法旨在解决类不平衡与边界缺陷，实现聚焦且准确的肿瘤分割。通过使块与肿瘤解剖上下文对齐，该技术提升了特征提取精度并降低计算负载。实验结果表明类不平衡得到改善，使用轻量简单 U-Net 时整体、核心与增强肿瘤的分割分数分别为 0.78、0.76 与 0.71。该方法显示出增强医学图像分割与改进计算机辅助诊断系统的潜力。