赵科甫，张蕾

（四川大学计算机学院，成都610065）

0 引言

甲状腺结节是一种常见的内分泌病变，大部分甲状腺结节都是良性的。然而，甲状腺结节的发病率却在持续增加[1-2]。一项研究预测甲状腺结节将会对男女都产生重大的影响[3]。如果甲状腺结节在早期就被检测到，治疗甲状腺结节是十分容易的。甲状腺超声是一种有效的方法并被广泛用于甲状腺结节的诊断和随访[4-6]。然而，对于大多数病人而言，能够提供高质量医疗服务的专家数量是有限的。自动的甲状腺结节分割能够为医生提供丰富的甲状腺结节的信息。因此，在计算机辅助诊断（CAD）系统中提供甲状腺结节的自动分割是非常必要的分割在CAD系统中起着至关重要的作用。它可以为后续分析提供丰富的感兴趣区域（ROI）信息。手工分割比较耗时，而自动分割可以解决耗时问题。然而，甲状腺超声图像的质量直接影响到CAD系统的性能。而甲状腺结节的自动分割也受到数据规模的影响。甲状腺结节的精确分割是一项具有挑战性的任务。为了解决这些困难，我们采取了以下策略。U型网络有利于小数据集的分割[7]。因此，为了融合不同层次的特征，我们构造了一个U型网络。它以U-Net为主干结构。在这项研究中，我们使用了Squeeze-and-Excitation（SE）注意力机制[8]。

用于分割的网络是一个二维的神经网络。为了提高数据集的多样性和网络的鲁棒性，还对数据集进行了扩充。本研究的贡献总结如下：

（1）提出了一种基于神经网络的超声图像甲状腺结节分割方法，以减少数据量和质量的影响。……