NULLBUS：通过可空全局-局部提示进行乳腺超声分割的多模态混合监督

本文介绍了一种名为NullBUS的新框架，旨在解决乳腺超声数据集中用于分割任务的元数据有限的挑战。 核心创新在于使用“可空提示”，即可学习的带有存在掩码的空嵌入。 这使得模型能够有效地利用带有和不带有提示的图像，从而提高鲁棒性和性能。 结果表明，在统一数据集上实现了最先进的性能，前景广阔。 使用可学习的空嵌入处理缺失数据的方法是对多模态学习领域的宝贵贡献，尤其是在数据注释可能不一致或不完整的医学成像领域。 未来的研究可以探索NullBUS在其他医学成像模式和分割任务中的适用性。

• •介绍了NullBUS，一种用于乳腺超声分割的多模态框架。
• •利用可空提示来处理数据集中缺失的元数据。
• •在统一的BUS数据集上实现了最先进的性能。