本文讨论了腹部多器官分割的研究进展，重点介绍了器官注意力网络和先验知识神经网络等方法。提出了多个数据集和基准，强调了深度学习在分割任务中的应用及其面临的挑战，尤其是在复杂情况和器官边缘的鲁棒性问题。此外，研究还介绍了生成医学图像数据集的管道，为未来的医学影像研究奠定基础。

该研究介绍了深度学习在计算机断层扫描中腹部多器官分割的应用，使用基于转换器的模型，并以竞赛中的大量样本为基础，展示了转换器模型在此方面的可行性及结果表现。

提出了一种名为Slice Shift UNet (SSH-UNet)的新型二维模型，通过移动部分特征图重新融合被2D卷积忽视的第三个维度。验证了该方法在多模态腹部多器官分割和除颅骨外多图谱标记数据集中的有效性，表明SSH-UNet在性能上与最先进的架构相媲美，且更高效。