随着深度学习的发展，3D FCN的出现提高了医学图像语义分割的性能。然而，大多数3D网络架构都需要一边对图像进行严格的下采样或裁剪，以满足当今GPU显存的限制；一边还要尽可能保留足够的上下文信息以满足精确分割的需求。在这项工作中，本文作者提出了一个新的方法，通过一个多尺度金字塔的3D FCN网络来实现自动提取上下文信息。本文作者在一个由377个CT图像数据集中手工标注腹部器官和血管，并训练和验证该模型，取得了令人满意的结果，平均分割得分接近90%。为了进一步评估，作者对来自不同来源的数据集进行了单独的测试，并取得了具有竞争力的结果，说明了模型和方法的鲁棒性。
