本文介绍了一种基于扩张卷积神经网络的自动分割方法，专用于先天性心脏病患者的心血管磁共振图像。研究表明，该方法在处理解剖变异时表现优异，并在少量标注图像训练中优于完全监督网络。通过多任务学习和自监督预训练，提升了心脏MR图像分割的准确性和可重复性，推动了心脏影像学研究的发展。

本文介绍了一种基于扩张卷积神经网络的自动图像分割方法，旨在生成心脏图像的分割掩模和不确定性地图。该方法在心脏MR扫描数据上训练，显著提高了左心室分割的精度，展示了深度学习在心脏分割中的优势，并提出了多种新算法以提升分割性能和准确性，为临床应用提供有效支持。