近期，暨南大学白杰云教授团队在CVIA杂志发表一篇题为A Two-stage Method with a Shared 3D U-Net for Left Atrial Segmentation of Late Gadolinium-Enhanced MRI Images的原创研究论文，这篇文章介绍了一种用于延迟钆增强磁共振成像（LGE MRI）图像左心房分割的两阶段方法。

该研究的目标是提出一种准确且可靠的方法，用于自动分割LGE MRI图像中的左心房区域。文章通过两个阶段的处理来实现这一目标。首先，使用3D U-Net网络来进行LGE MRI图像中ROI区域的定位和裁剪，以减少LGE MRI图像中类不平衡的影响。在第二阶段，基于共享权重的方法，使用同一个3D U-Net对已裁剪的ROI区域特征图进行左心房的准确分割。

该方法的创新之处在于引入了两个阶段的设计，并使用了共享的3D U-Net网络来实现左心房的分割。这种设计可以充分利用初步分割结果中的信息，并通过第二阶段的修正进一步提高分割的准确性。

实验结果表明，该两阶段方法在LGE MRI图像中左心房分割任务上取得了较好的性能。与传统方法相比，该方法能够更准确地定位和分割左心房区域，提高了分割的准确性和稳定性。

总体而言，这篇论文提出了一种创新的两阶段分割方法，利用共享的3D U-Net结构来实现LGE MRI图像中左心房的准确分割。该方法在医学图像分割领域具有重要的应用潜力，为相关研究和临床实践提供了有益的思路和方法。