多任务学习甲状腺区域的甲状腺结节分割Prior 介绍 超声图像中的甲状腺结节分割是一项有价值且具有挑战性的任务,对于甲状腺癌的诊断具有重要意义。 由于缺乏对甲状腺区域感知的先验知识,超声图像固有的低对比度以及超声视频不同帧之间的复杂外观变化,直接应用语义分割技术的现有甲状腺结节自动分割算法很容易会误解非甲状腺区域为结节。 在这项工作中,我们提出了甲状腺区域先导特征增强网络(TRFE-Net)用于甲状腺结节分割。 为了促进甲状腺结节分割的发展,我们贡献了TN3k:甲状腺结节图像的开放式访问数据集,并带有高质量的结节面罩标签。 我们提出的方法在TN3k上进行了评估,并且与现有的最新算法相比具有出色的性能。 建筑学 拟议的TRFE-Net用于甲状腺结节分割的概述。 建议的RPG模块概述。 执照 此代码根据MIT许可证发布(有关详细信息,请参阅LICENSE文件)。 引用 如果您发现这项工作