计算机工程

作者：李辉, 刘佳煜, 徐雅萍

单位：1. 北京化工大学信息科学与技术学院, 北京 1000292. 中日友好医院骨科, 北京 100029

关键词：医学图像分割,深度学习,网络架构,评价指标体系,任务适配

基金：中央高水平医院临床科研业务费专项资金(2025NHLHCRFHLA04)

医学图像分割在多模态成像数据中实现病灶或结构的像素级定位是支撑辅助诊断与临床决策的关键任务。针对医学图像分割网络架构快速演化与评价指标存在的语义歧义、统计不稳等局限, 旨在系统梳理网络结构、任务特征和评价指标三者间的适配关系, 揭示方法发展路径与性能边界, 构建面向实际应用需求的结构-指标匹配机制。基于2020—2025年Web of Science核心数据库的代表性文献, 首先梳理Transformer、图神经网络(GNN)、扩散模型等主干架构的设计机制与演化路径; 然后总结轻量化、混合结构及提示引导范式的关键特征; 接着结合公开数据集实证研究, 对不同网络结构在器官、肿瘤与脑组织等典型任务中的分割性能进行定量对比, 涵盖95%豪斯多夫距离(HD95)、Dice相似系数(DSC)、交并比(IoU)等常用指标, 并识别出HD95在边界复杂任务中波动较大、DSC对小目标敏感性不足、IoU在结构区分方面存在局限等问题; 最后进一步揭示了指标误用与任务特征不匹配的统计根源, 构建了任务结构-指标推荐映射, 提出基于任务粒度的指标选择策略, 并探讨动态网络、自监督学习、跨模态建模等方向对模型泛化能力的潜在促进作用。

来源：2026年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第5期