El sistema de toma de decisiones médicas es un sistema avanzado para pacientes que puede ayudar a los médicos en su trabajo médico. El osteosarcoma es un tumor maligno primario del hueso, debido a su especificidad, como sus bordes difusos, morfología tumoral diversa y escalas inconsistentes. El diagnóstico es bastante difícil, especialmente para países en desarrollo, donde los recursos médicos son insuficientes por persona y hay escasez de profesionales, y el tiempo invertido en el proceso de diagnóstico puede llevar a un deterioro gradual de la enfermedad. Para abordar esto, discutimos un sistema de diagnóstico asistido de osteosarcoma (OSADS) basado en muestras pequeñas con mejora de características a múltiples escalas que puede ayudar a los médicos a realizar una segmentación automática preliminar del osteosarcoma y reducir la carga de trabajo. Propusimos una red de mejora de características a múltiples escalas (MFENet) basada en aprendizaje de pocas muestras en OSADS. Se extrae información de características globales y locales para segmentar efectivamente los límites del osteosarcoma alimentando las imágenes en MFENet. Simultáneamente, se introduce una máscara previa en la red para ayudar a mantener un cierto rango de precisión al segmentar diferentes formas y tamaños, ahorrando costos computacionales. En los experimentos, utilizamos 5000 imágenes de resonancia magnética de osteosarcoma proporcionadas por la Universidad de Monash para pruebas. Los experimentos muestran que nuestro método propuesto logra una precisión del 93.1% y tiene el índice de evaluación integral más alto en comparación con otros métodos.