下面博主详细翻译了该篇论文，可以当做详尽的参考，并认真学习。 【参考】论文笔记：3D Deeply Supervised Network for Automatic Liver Segmentation from CT 数据集： MICCAI-SLiver07[1] 数据预处理： 作者没有讲数据预处理的过程。 CRF 轮廓精细修正： 参考上述博主博客。 参考文献： [1]Heimann,

网络结构：   网络改进的地方是通过反卷积（核大小为3X3X3，步长为2）中间层，使得和输入大小相同，然后通过label计算loss，和最终loss一起进行梯度更新。中间反卷积层输出的loss可以防止梯消失。（深度监督DSN）   由于最终输出是通过反卷积得到的，只通过阈值生成结果，有时后边缘会不精确。所以在横断面又使用了CRF。 观察了中间层的输出：证明该论文的中间层学习到的表达相关性

ok,ok,that's over,I can't dare it,when seeing that,I know it'over. yeah,maybe everyman should get through this,I like u so much,but u just treat me as a foolish,do myself,u is over.