通过解剖先验与挑战训练数据的部分注释结合的方法，模型集成的Dice得分为0.6033，地面真实淋巴结分割比例从27%提高到57%。加入概率淋巴结图谱的损失加权和后处理显著提高了分割准确性。通过过采样完全注释的数据和额外的数据增强，解决了CT图像和淋巴结外观的高异质性。

研究直肠癌治疗中的淋巴结分割问题，提出了Meply数据集和CoSAM分割模型。Meply数据集包含269名直肠癌患者的像素级注释。CoSAM利用基于序列的检测来指导淋巴结分割，提高了定位性能。通过与其他方法比较，验证了CoSAM的有效性。

通过解剖先验与挑战训练数据的部分注释结合的方法，模型集成的Dice得分为0.6033，地面真实淋巴结分割比例从27%提高到57%。加入概率淋巴结图谱的损失加权和后处理显著提高了分割准确性。通过过采样完全注释的数据和额外的数据增强解决了CT图像和淋巴结外观的高异质性。