本研究提出了一种基于U-Net架构的自动化头颈肿瘤勾画方法，有效解决了MRI影像中肿瘤体积分割的耗时问题。通过补丁归一化和数据增强策略，显著提升了模型性能，展现出良好的临床应用前景。

本研究探讨了头颈肿瘤及转移性淋巴结的MRI图像分割，特别是在放疗前后的自动化处理。结合预训练权重和数据增强，模型在放疗前和中期图像上的分割表现分别为82.38%和72.53%，显示了其在头颈癌诊断与治疗中的潜在应用价值。