医学图像分割在医学影像诊断质量控制中的应用

陈 云¹, 董 峰¹, 肖 珊*², 唐 依娜²
1、邵阳学院信息科学与工程学院
2、邵阳学院附属第一医院

摘要

医学图像分割属于影像学研究的关键部分，目的在于精准地把目标病灶区域和背景组织分离出来，从而给临床诊
疗给予可靠的根据。在医疗影像分析里，这项技术的性能直接关系到诊断是否准确，治疗方案是否有效。本文全面整理医
学图像分割技术的发展过程，主要手段以及在质量把控中的应用情况，对比分析传统算法和深度学习模型的技术特点，深
入探究该技术怎样改善诊断一致性，削减人为错误并改良资源调配，通过研究得知，虽然深度学习方法在提升分割精度和
运算速度上具有长处，不过存在数据标注花费昂贵，泛化能力不强等问题。

关键词

医学图像分割；影像诊断；质量控制；深度学习；分割精度

参考

[1] 王骁崴 , 邢树礼 , 毛国君 . 多尺度特征融合的轻量

化 Transformer 医学图像分割研究 [J]. 中国生物医学工程学

报 ,2025,44(2):165-173.

[2] 杨子瑶 , 雷涛 , 杜晓刚 , 等 . 基于可疑像素相互修正

的半监督医学图像分割 [J]. 电子学报 ,2025,53(5):1607-1621.

[3] 周涛，柴文文，王亚星，等。 MSP-YOLACT：面向

多模态 PET/CT 肺部肿瘤医学图像的实例分割模型 [J]. 光子

学报 ,2025,54(4):198-212.

[4] 赵 宏 伟 , 周 明 珠 , 刘 萍 萍 , 等 . 基 于 置 信 学 习 和

协同训练的医学图像分割方法 [J]. 吉林大学学报（工学

版）,2025,55(5):1675-1681.