基于U-Net神经网络的肿瘤病理图像分割方法

本发明适用于医学影像分析领域，提供了基于U‑Net神经网络的肿瘤病理图像分割方法，方法通过U‑Net编码器提取肿瘤细胞的灰度、纹理、形状多维特征并构建特征集群，基于集群建立侵袭方向概率模型，分析坏死区形态特征推测生长速度，动态调整解码器分割敏感度阈值，最终输出包含肿瘤核心区、假包膜侵犯区和微血管侵犯区的三通道分割图。方案通过多维度特征融合与生物学行为建模，实现了对肿瘤异质性的精准表征，动态敏感度调节机制提升了分割模型对不同侵袭活性区域的适应性，为临床提供了兼具解剖定位与生物学评估价值的分割结果，有效辅助肿瘤的诊断与治疗决策。方法操作简便，自动化程度高，具有显著的临床应用价值。