为了帮助病理医生更有效的阅读病理切片，研究人员提出了许多深度学习算法，来预测病理切片中的肿瘤细胞区域。由于原始病理切片的图片尺寸十分庞大，绝大部分深度学习算法只能将每张病理切片剪切成大量尺寸小些的图块，比如256x256像素。这样经典的深度卷积网络就可以被用来训练及预测每张图块是否是肿瘤区域。然而在不知道图块周边区域的情况下，仅凭单张图块，有时候很难预测其是否为肿瘤区域，尤其是在肿瘤与正常组织交界部位。由此产生的假阳性也十分显著，如下图所示。
由于考虑到了相邻图块之间的空间关系，该算法让假阳性得以大大降低，算法预测的肿瘤区域也更加平滑（如下图所示）。对比之前的算法，这种算法除了真实肿瘤区域外，几乎没有引入任何其他假阳性区域。
在提高病理切片检测的效率、准确性上，这种新的肿瘤检测算法拥有很大潜力。它让病理学家能更聚焦由算法突出的肿瘤区域，而不必搜索整个切片。当然，对算法的全面评估，也需要更大的数据集来做进一步临床研究。