本文综述了腺体与息肉分割的深度学习方法：DCAN在MICCAI挑战赛中胜出；无监督方法引入形态学线索，mIOU超次优10.56%；DDANet在Kvasir-SEG上Dice达0.7874；OEEM缓解伪掩码噪声，mIOU提升4.4%和6.04%；MLFF-Net和3D EAGAN分别用于息肉和前列腺分割。

本文介绍了一种基于深度学习的多任务学习框架下的高效深度轮廓感知网络（DCAN），用于对组织学图像中的腺体进行精确分割。该方法在2015年MICCAI腺体分割挑战赛中胜出。