本研究提出了一种基于3D深度学习的多目标分割框架，克服了传统汗腺观察方法的局限性。该方法能够实时、非侵入性地可视化和量化汗腺在温度变化下的形态变化，为皮肤病学研究提供了新的工具和标准。

本研究提出了一种新的时间对称跟踪方法，克服了传统时间前向跟踪的局限性，展示了在多目标分割和跟踪中的稳定性与一致性，并与卡尔曼滤波器相比显示出显著优势。