摘要

在超声（US）视频中进行乳腺病灶分割对于诊断和治疗腋窝淋巴结转移至关重要。然而，缺乏一个建立良好且大规模的、带有高质量注释的超声视频数据集，一直是研究界面临的一个持续挑战。为了解决这一问题，我们精心整理了一个包含572个视频和34,300帧注释的超声视频乳腺病灶分割数据集，涵盖了广泛的现实临床场景。此外，我们提出了一种新颖的频率和定位特征聚合网络（FLA-Net），该网络从频率域学习时间特征，并预测额外的病灶位置以辅助乳腺病灶分割。我们还设计了一种基于定位的对比损失函数，以减少同一视频内相邻帧之间的病灶位置距离，并增大不同超声视频之间帧的位置距离。我们在自建注释数据集以及两个公开的视频息肉分割数据集上的实验表明，所提出的FLA-Net在超声视频乳腺病灶分割和视频息肉分割中均达到了最先进的性能，同时显著降低了时间和空间复杂度。我们的模型和数据集可在https://github.com/jhl-Det/FLA-Net 获取。