【科教在线】第94期：计算机与信息安全学院研究生在医学影像顶刊IEEE TMI发表结直肠癌智能分割研究成果（图）

【编者按】为持续营造校园学术氛围，传播我校学术科研动态，学校官网特开设“科教在线”专栏，定期展示师生科研成果。欢迎广大师生踊跃投稿，征集内容包括但不限于：为政府、企业、媒体提供的专业咨询，通过鉴定的科技成果，实现落地转化的科技成果，高水平学术论文，专利授权，出版的专著、教材，科技奖励等。我们致力为有学术追求的师生搭建交流平台，共同营造日益浓厚的学术氛围，携手为实现电子信息特色鲜明的高水平应用型大学而奋斗。投稿请通过学校OA系统经所在单位“三审三校”、融媒体中心审核后发布。

近期，我校计算机与信息安全学院硕士研究生雷朋筌在校外导师陈鑫教授指导下，发表了题为“Boundary-Aware Spectral and Morphological Guidance Method for Feature-Driven Colorectal Cancer Segmentation”的学术论文（https://ieeexplore.ieee.org/abstract/document/11573336），该论文发表在医学图像处理领域的顶尖期刊《IEEE Transactions on Medical Imaging》上。 雷朋筌为论文第一作者，我校为论文第一完成单位。《IEEE Transactions on Medical Imaging》2026年年影响因子为12.4，JCR分区为Q1，中科院分区为1区。

该研究针对结直肠癌等复杂结构医学图像分割任务中高质量数据获取困难、病灶高异质性导致传统数据驱动方法泛化能力受限等核心挑战，提出了一种特征驱动的分割模型，通过深度挖掘数据内在信息而非依赖参数堆叠来提升性能。模型创新性地引入了“频谱-先验-边界”三重建模范式：通过频域重构和调制建立不同频带与异质信号的映射以识别模糊信号；使用基于水平集的分割算法构建腹部解剖距离场以融入形态学先验；设计了融合深度语义与浅层细节特征的辅助边缘分支以增强边界感知能力。

广泛的结直肠癌分割实验表明，该方法在分割精度和边界感知能力上均显著优于其他先进方法。此外，该模型在肺癌和乳腺癌分割任务的评估中也展现出强大的跨病灶泛化能力。精准的医学图像分割在现代临床实践中发挥着重要作用，该研究成果不仅为医学图像的定量分析提供了重要基础，也为后续的临床决策提供了有力的技术支撑。

模型结构图

主要对比试验结果

试验的可视化结果

临床一致性对比结果

削减标注数据量的实验

肺癌、乳腺癌和病变胰腺分割实验的可视化结果