摘要目的 针对甲状腺结节超声影像分割中结节尺寸差异显著、图像低对比度及强斑点噪声干扰的问题,提出一种基于多尺度特征提取与全局多特征融合的精准分割方法,旨在提升不同尺度结节的识别能力与复杂背景下的泛化性能.方法 采用经典的编码器-解码器网络架构作为基础框架.在此基础上,集成多尺度残差连接模块(multi-scale residual connection module,MRCM),用于捕获传统固定感受野卷积核难以同时捕获到的多尺度结节特征.同时,引入改进的全局金字塔引导模块(improved global pyramid guidance,IGPG),用于完成高效且去噪的全局多特征融合.使用本文所构建的方法在TN3K和DDTI两个公开数据集上进行了验证.结果 MRCM通过密集堆叠3个级联的3×3卷积核,实现感受野的连续扩展,使其能够自适应地捕捉从精细局部纹理到更大范围上下文信息的不同尺度特征,有效应对结节尺寸的剧烈变化.IGPG 摒弃空洞卷积,转而利用 MRCM 进行跨层特征融合,并以深层语义信息作为空间注意力向导,有效筛选并整合多阶段特征,从而显著抑制噪声干扰,增强判别性特征的表达能力.在TN3K数据集上,本文算法在交并比(intersection over union,IoU)、95％豪斯多夫距离(Hausdorff distance-95％,HD95)和F1分数上分别达到了72.21％、18.49和80.97％,相较于U-Net基准,IoU 提升了 4.0％,F1 提升了 3.5％.在 DDTI 数据集上,本文算法的 IoU、HD95 和 F1 分数分别为63.40％、18.61和74.97％,相较于U-Net基 准,IoU提升了3.0％,F1提升了2.4％.结果均显著优于FCN、U-Net、MultiResUNet、SGUNet和DC-UNet等现有主流方法,并在消融实验中证明了MRCM和 IGPG模块的有效性和协同作用.结论 基于MRCM和IGPG的分割方法通过协同作用,可有效解决甲状腺结节超声影像分割中的尺度变异和噪声干扰问题,显著提升分割精度和鲁棒性,为甲状腺结节计算机辅助诊断系统提供新的技术方案.