[文献速递Vol.307]-SCC-NET:头颈部鳞状细胞癌的临床肿瘤图像分割

本文介绍了一种名为SCC-Net的新型语义分割网络，用于头颈部鳞状细胞癌（SCC）的临床图像分割。头颈部SCC是一种常见的恶性肿瘤，早期诊断和治疗对患者生存率至关重要。研究背景指出，现有的内镜和影像学检查方法存在操作者依赖性和图像质量差异等问题。SCC-Net基于NAS-Unet架构，结合了可学习的离散小波池化（LDW Pooling）和跨阶段局部设计（CSP）等技术，显著提高了分割精度。实验结果显示，SCC-Net在测试集上取得了87.2%的平均交并比（mIOU）和97.17%的准确率，优于其他先进模型。结论表明，SCC-Net在头颈部SCC的早期诊断和治疗中具有潜在应用价值，未来需进一步验证其临床性能。