医学图像分割在肿瘤放射治疗过程中扮演着重要角色，但其在实际应用中存在一些局限性。以下是医学图像分割的几个主要难点：
-
边界模糊问题：由于CT、MR等成像设备的特点，医学图像以灰度图像为主，成像中存在模糊、清晰度不高的问题。而且部分器官的形变大，器官外没有包膜等固定结构，成像随着病人情况的不同存在很大差异。
-
种类丰富问题：腹部多器官中包括了大器官、血管组织、小器官腺体等不同种类的器官，这些不同组织具有不同的结构特点和空间分布，分割模型需要尽可能全面地学习到不同器官结构的特点来区分它们。然而多种类还带来一个问题，即类别不平衡问题，诸如肝脏、胃部等大器官在图像中的占比较大，而小器官样本占比少，模型就会受到这种不平衡数据占比的影响。
-
泛化问题：主流多器官分割研究领域基本是在单中心、单一模态、单一设备、单一病种的训练集上训练。因此在其它情况的数据下，模型表现会下降。为了使分割模型达到临床使用水平，我们需要考虑不同病人和不同设备的情况，因此模型泛化性的提高也是需要解决的关键问题。
-
图像质量：医学影像技术的图像质量可能受到多种因素的影响，如患者体位、设备噪声、图像伪影等，可能会导致图像模糊、变形或不准确。
-
空间分辨率和时间分辨率：医学影像技术的空间分辨率有限，可能无法检测到较小的病变或解剖结构。时间分辨率可能无法捕捉快速的生理变化，例如心脏的跳动、呼吸运动等。
-
辐射暴露：医学影像技术，如X射线、CT等，会产生辐射，过量的辐射可能会对患者造成危害。
-
设备限制：医学影像技术的设备可能存在一些限制，例如扫描范围、扫描速度、成像质量等。
-
主观性影响：医学影像诊断结果可能受到医生的专业水平、经验、知识背景等因素的影响。这些主观因素可能导致医生对同一份影像做出不同的解读，从而影响诊断准确率。
-
疾病复杂性：某些疾病在影像学上表现复杂，可能存在多种影像学特征。在这种情况下，医生可能需要更多的经验和专业知识才能做出准确的诊断。