付志勇1，陈超祥2

（1.湖州师范学院 信息工程学院，浙江 湖州 313000；2.浙江树人学院 信息科技学院，浙江 杭州 310015）

        摘要：脾脏体积的精确量化在临床诊疗与药物研发中具有重要意义，而传统依赖人工勾画的测量方法存在效率低下和主观偏差等固有缺陷.针对MRI影像中脾脏分割面临的核心挑战，文章提出一种新型深度学习分割框架MS-ERNet.该网络采用U型架构并进行多项关键改进，在跳跃连接层设计多尺度特征增强模块，通过不同大小卷积核提取多尺度特征，并结合通道-空间双重注意力机制，动态调整特征响应，有效提升网络对关键特征的捕捉能力.在解码器阶段采用深度可分离卷积与双瓶颈结构设计，在保证模型轻量化的同时实现跨层级特征的高效融合.引入基于残差连接的边缘优化模块，显著提升分割边界的精确度.实验结果表明，该方法在自建脾脏MRI数据集和公开MSD Spleen数据集上分别取得96.13%和94.41%的mIoU，分割性能显著优于现有主流算法.进一步地，基于分割结果进行三维重建，实现脾脏形态的直观可视化，可为临床医学影像分析提供更全面可靠的技术支持.

        关键词：脾脏分割；编码器-解码器；多尺度特征；医学图像分割

        中图分类号：R318；TP391.4                     文献标志码：A                               文章编号：2097-6070（2025）02-0010-08