HANS-Net là một khuôn khổ phân đoạn mới cho việc phân đoạn chính xác gan và khối u trong hình ảnh CT bụng, vốn gặp nhiều thách thức do giải phẫu phức tạp, sự thay đổi trong hình dạng khối u và dữ liệu chú thích hạn chế. Nó tích hợp tích chập hyperbolic để biểu diễn hình học phân cấp, một mô-đun phân tích lấy cảm hứng từ wavelet để học kết cấu đa thang đo, một cơ chế dẻo dai khớp thần kinh có động cơ sinh học để tăng cường tính năng thích ứng và các nhánh biểu diễn thần kinh ngầm để mô hình hóa các ranh giới giải phẫu tinh vi và liên tục. Nó cũng kết hợp phương pháp bỏ qua Monte Carlo nhận biết sự không chắc chắn để định lượng độ tin cậy của dự đoán và sự chú ý thời gian nhẹ để cải thiện tính nhất quán giữa các lát cắt mà không ảnh hưởng đến hiệu quả. Đánh giá mở rộng trên tập dữ liệu LiTS cho thấy HANS-Net đạt điểm Dice trung bình là 93,26%, IoU là 88,09%, khoảng cách bề mặt đối xứng trung bình (ASSD) là 0,72 mm và lỗi chồng chéo thể tích (VOE) là 11,91%. Kiểm chứng chéo bộ dữ liệu trên bộ dữ liệu 3D-IRCADb-01 đạt được Dice trung bình là 87,45%, IoU là 80,30%, ASSD là 1,525mm và VOE là 19,71%, thể hiện hiệu suất khái quát hóa mạnh mẽ trên các bộ dữ liệu khác nhau. Những kết quả này khẳng định tính hiệu quả và độ tin cậy của HANS-Net trong việc cung cấp phân đoạn gan và khối u chính xác, đáng tin cậy và nhất quán về mặt giải phẫu.
