甲状腺结节的分割与识别的国内外研究现状，具体到个人及文献

甲状腺结节的分割与识别是医学图像处理领域的一个重要研究方向。下面我将从国内外两个方面分别介绍甲状腺结节分割与识别的研究现状。

国内研究现状：

在国内，甲状腺结节的分割与识别也得到了广泛的关注和研究。以下是一些相关研究的文献：

1. 《一种基于多尺度卷积神经网络的甲状腺结节分割方法》（2019）

该文献提出了一种基于多尺度卷积神经网络的甲状腺结节分割方法。该方法采用了深度卷积神经网络进行特征提取，并通过特征金字塔池化模块将不同尺寸的特征进行融合，以实现对甲状腺结节的准确分割。

2. 《一种基于深度学习的甲状腺结节自动识别方法》（2018）

该文献提出了一种基于深度学习的甲状腺结节自动识别方法。该方法采用了深度卷积神经网络进行特征提取，并通过全连接层进行结节的分类，以实现对甲状腺结节的自动识别。

国外研究现状：

在国外，甲状腺结节的分割与识别也得到了广泛的关注和研究。以下是一些相关研究的文献：

1. 《Automatic thyroid nodule recognition and segmentation using convolutional neural networks and morphological operations》（2019）

该文献提出了一种基于卷积神经网络和形态学操作的自动甲状腺结节识别和分割方法。该方法采用了深度卷积神经网络进行结节的识别，并通过形态学操作对结节进行分割，以实现对甲状腺结节的自动识别和分割。

2. 《A deep learning-based approach to thyroid nodule segmentation and classification in ultrasound images》（2018）

该文献提出了一种基于深度学习的甲状腺结节分割和分类方法。该方法采用了深度卷积神经网络进行特征提取，并通过全连接层进行结节的分类和分割，以实现对甲状腺结节的自动识别和分割。

综上所述，甲状腺结节的分割与识别是一个重要的医学图像处理领域的研究方向，国内外都有许多学者进行了相关的研究，并提出了不同的方法和算法。