本文主要是提出了一种级联结构，采用三个网络（WNet，TNet，ENet），每个网络的输入大小分别为2217,217,113。分别用于脑胶质瘤的不同部分进行分割，第一个网络（WNet）在整个图像上进行分割，分割出整个肿瘤，然后在整个肿瘤部分选取一个bounding box，作为TNet的输入，分割出来tumor core，在tumor上选取box，然后作为Enet的输入，最后分割出来enhanceing tumor core。需要注意的是，在训练阶段bounding box是由label生成，在预测阶段，bounding box是由前一阶段的分割结果构成。整体结构如下所示
WNet、TNet、ENet结构
网络部分很好的利用了高层语义信息与低层语义信息，将高层与低层信息通过upsampling融合在一起，提高了分割精度
在训练阶段，若只使用一个方向（轴向，矢状图，冠状图），则精度低于将所有方向训练时的精度
原文：https://www.cnblogs.com/hujinzhou/p/jiazhou2020_7_13.html