该研究提出了一种基于3D体积的概率分割框架，结合Normalizing Flows技术和专家分歧引导的不确定性估计方法，显著提升医学图像分割的准确性和不确定性校准性能。通过整合多个标注者的变异性，增强了模型的置信度，帮助医生更好地理解分割结果的可靠性。