Los cultivos de organoides tumorales juegan un papel crucial en la práctica clínica, especialmente en la guía de la medicación al determinar con precisión la morfología y el tamaño de los organoides. Sin embargo, segmentar los organoides tumorales individuales es un desafío debido a su intensidad interna heterogénea y estructuras superpuestas. Este artículo propone un modelo de segmentación de nivel de conjunto que conserva la convexidad basado en las características de las imágenes de organoides tumorales para segmentar con precisión los organoides tumorales individuales. Considerando la forma esférica predominante exhibida por el crecimiento de los organoides, proponemos un modelo de nivel de conjunto que incluye un término impulsado por datos, un término de curvatura y un término de regularización. El término impulsado por datos atrae el contorno a la vecindad del límite; el término de curvatura garantiza el mantenimiento de la convexidad en la segmentación objetivo, y el término de regularización controla la suavidad y propagación del contorno. El modelo propuesto ayuda a superar las interferencias de factores como la superposición y el ruido, permitiendo que la curva evolucione para converger con precisión en el límite real del objetivo. Además, proponemos un método de inicialización seleccionable y dirigido que garantiza una segmentación precisa de regiones de interés específicas. Los experimentos en 51 imágenes de organoides de adenocarcinoma ductal pancreático muestran que nuestro modelo logró excelentes resultados de segmentación. El valor promedio de Dice y el tiempo de cálculo son % y 20.67 s. En comparación con los modelos C-V y CPLSE, es más preciso y menos tiempo.