La segmentación pulmonar de imágenes de radiografías de tórax (CXR) es un paso fundamental en muchas aplicaciones diagnósticas. La mayoría de los métodos de segmentación de campos pulmonares reducen el tamaño de la imagen para acelerar el tiempo de procesamiento posterior. Luego, el resultado de baja resolución se aumenta a la imagen original de alta resolución. Sin embargo, los bordes de la imagen se vuelven borrosos después de los pasos de muestreo y aumento. Es necesario aliviar los bordes borrosos durante el muestreo y el aumento. En este documento, incorporamos la segmentación de campos pulmonares con el marco de redimensionamiento de superpíxeles para lograr el objetivo. El marco de redimensionamiento de superpíxeles aumenta los resultados de segmentación basados en la información de los límites de superpíxeles obtenida del proceso de muestreo. Utilizando este método, no solo se puede reducir el tiempo de cálculo de la segmentación de imágenes médicas de alta resolución, sino que también se puede preservar la calidad de los resultados de segmentación. Evaluamos el método propuesto en los conjuntos de datos JSRT, LIDC-IDRI y ANH. Los resultados experimentales muestran que el marco de redimensionamiento de superpíxeles propuesto supera a otros métodos tradicionales de redimensionamiento de imágenes. Además, al combinar la red de segmentación y el marco de redimensionamiento de superpíxeles, el método propuesto logra mejores resultados con una puntuación de tiempo promedio de 4.6 s en CPU y 0.02 s en GPU.