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