本发明公开了一种基于元学习的面向甲状腺超声结节模糊边界的分割方法，包括以下步骤：1)合成噪声标注；2)提供基于元学习的目标函数计算方法；3)设计基于全卷积结构的元掩码网络；4)采用迭代优化算法来训练模型。本发明提供的方法将自动估计一个权重图来评估每个像素在分割网络学习中的重要性。将预测分割结果的损失值图作为元掩码网络的输入，能够识别出损坏的层并为其分配较小的权重。在训练过程中，以交替的方式更新分割网络和元掩码网络，该方法能够从大量低质量标记图像中训练强大的分割网络，显著提高在损坏的训练数据上训练深度网络的泛化性能。