摘要：

目的：B系急性淋巴细胞白血病（B-Lineage Acute Lymphoblastic Leukemia, B-ALL）的诊断和治疗通常依赖于骨髓涂片的细胞形态学分析。然而，传统的形态学分析方法需要人工操作，存在主观性强、效率低等局限性。准确分割单个细胞核对于获得详细的形态学特征数据至关重要，从而提高诊断的客观性和一致性。

患者和方法： 为了提高 B-ALL 骨髓涂片图像中淋巴母细胞的细胞核分割的准确性，我们基于SegNeXt网络结构提出了一种改进模型MSFF-SegNeXt（Multi-scale Feature Fusion-SegNeXt）。该模型引入了一种新颖的多尺度特征融合技术，能有效地将边缘特征图与不同尺度的特征表征整合在一起。在解码器中集成了边缘引导注意力（Edge-Guided Attention, EGA）模块，通过关注复杂的边缘细节，进一步增强了分割过程。此外，还在网络的不同阶段策略性地加入了Hamburger结构，以增强特征表达。

结果：这些创新技术的结合使 MSFF-SegNeXt 在 SN-AM 数据集上实现了卓越的分割性能，其准确率为 0.9659，Dice 系数为 0.9422。

结论：结果表明，MSFF-SegNeXt 在处理细胞核分割的复杂性，特别是捕捉详细边缘结构方面优于现有模型。这一进步为 B-ALL 单细胞的后续形态学分析提供了稳健可靠的解决方案。

关键词：单细胞核分割、B-ALL 图像、骨髓涂片、边缘引导注意力机制、多尺度特征融合