聲明:文章所有權利歸原作者所有，本文根據個人理解，略做翻譯，疏漏之處，敬請指出，以便改之
From: here
摘要
本文介紹了一種從稀疏標記的體積圖像中進行體積分割的網絡。給出了該種方法在兩種情況下的使用實例：(1) 半自動化的方式，用戶在需要分割的體積中標記一些切片，然後網絡在這些標記的切片中進行學習並能提供一個密集的3D分割；(2) 全自動化的方式，假設有一個具有代表性的，稀疏標記的訓練集，並在這個訓練集上進行訓練，網絡能夠分割出一個新的體積圖像。本文所提方法是以前u-net的擴展，將2D操作替換成3D。爲使訓練期間使聚增強更加高效，所以執行的在線進行彈性形變。模型從頭開始進行訓練，沒有預訓練模型，是端到端的。在Xenopus kidney這樣複雜，高度可變性3D結構上進行測試，效果都很好。都是廢物
1:https://lmb.informatik.uni-freiburg.de/Publications/2016/CABR16/