本研究开发了一种基于深度学习的模型，能够自动识别MRI中的人类大脑结构和异常。该模型通过高分辨率数据训练，具备高效准确的大脑皮层重建、分割和厚度估计能力，适用于不同分辨率和脉冲序列的MRI扫描。研究还展示了该技术在解剖分割中的优越性，并提供了公开数据库以支持多种自动分割算法的评估。

该研究使用基于nnU-Net的伪标签和解剖导向的伪标签细化的顺序过程，结合碎片化的知识库，生成了一个包含142个体素级标签的全身CT扫描数据集，已获得专家批准。该方法不依赖于手动注释。研究还发布了能够对CT数据上的142种解剖结构进行预测的训练好的统一解剖分割模型。经过人类专家评估和医学有效性检查，该方法被证明具有合理性和实用性。