一、摘要 本文提出了使用具有3D概率和几何后期处理功能的ResUNet的新型肝分割框架。 我们的语义分割模型ResUNet在U-Net的上采样和下采样部分添加了残差单元和批处理规范化层，以构建更深的网络。 为了快速收敛，我们提出了一种新的损失函数DCE，该函数由Dice损失和交叉熵损失线性组合。 我们使用连续的几个CT图像作为训练和测试的输入，以探索更多的上下文信息。 基于ResUNet的初始分割