本文介绍了一种基于三维卷积神经网络的级联模型，用于多发性硬化患者的白质病变分割。该方法在多个数据集上表现优于其他技术，强调了领域适应性和时间差异对分割准确性的影响，展示了其在临床应用中的潜力。

该论文研究了自动化深度学习工具在多发性硬化症患者MRI扫描中对白质病变分割的不确定性量化。提出了一种新方法，通过分析多中心MRI数据集，捕捉模型在病变和患者尺度上的错误，强调了不确定性在医学图像分割中的重要性，并提出结合贝叶斯神经网络和注意机制的模型，以提高分割的准确性和可解释性。