Los sistemas de diagnóstico/detección asistida por computadora (CADx) se han utilizado para ayudar a los médicos a mejorar la calidad de los procesos de diagnóstico y tratamiento en muchas enfermedades graves como el cáncer de mama, el accidente cerebrovascular, el cáncer de pulmón y la fractura ósea. Sin embargo, el rendimiento de tales sistemas no ha sido completamente preciso. El factor clave en los sistemas CADx es localizar lesiones positivas de enfermedades a partir de las imágenes médicas capturadas. Este paso es importante ya que se utiliza no solo para localizar lesiones, sino también para reducir el efecto del ruido y las regiones normales en el sistema CADx general. En esta investigación, propusimos un método para mejorar el rendimiento de segmentación de nódulos tiroideos en imágenes de ultrasonido basado en la fusión de información de redes de segmentación de sugerencia y mejora. Los resultados experimentales con dos bases de datos abiertas de bases de datos de imágenes digitales tiroideas y bases de datos 3DThyroid mostraron que nuestro método resultó en un rendimiento superior en comparación con los métodos actuales más actualizados.