该文综述医学图像分割研究，聚焦肝脏、肝肿瘤和脑肿瘤。方法包括级联全卷积网络、3D条件随机场、全卷积Transformer、CNN与Transformer混合架构、动态变形卷积、自适应互补注意、TransCC、C2FTrans、CNN-DS-AM及RA-UNet等，提升了分割精度与效率，Dice最高超94%，肝肿瘤预测准确率超95.5%。

本文提出了一种新方法，利用CNN-DS-AM预测肝脏肿瘤，实验证明该方法提高了预测准确性和鲁棒性，可协助放射科医生进行诊断和治疗规划，准确率达95.5%以上。

本文介绍了Liver Tumor Segmentation Benchmark（LiTS）的设立以及结果，共有75个肝脏和肝脏肿瘤分割算法参与，测试了70个不同患者的图像。最好的肝脏和肝脏肿瘤分割算法的Dices分数分别为0.963和0.674（ISBI 2017）、0.702（MICCAI 2017）和0.739（MICCAI 2018）。该研究为肝脏相关分割任务提供了一个活跃的基准和资源。