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。

本研究针对头颈肿瘤及转移性淋巴结进行精准分割，采用预训练权重和MixUp增强的完全监督学习方法，开发了新型网络架构。模型在放疗前后图像上的分割效果分别为82.38%和72.53%，显示出其在头颈癌诊断与治疗中的潜力。