Table 3.

Evaluation results of our segmentation model with n = 1,2,3 (The number of patches used to train FCNNs was 5000^*5^*20.).

Dataset	n	Methods	Dice			PPV			Sensitivity
			Complete	Core	Enhancing	Complete	Core	Enhancing	Complete	Core	Enhancing
Challenge	1	FCNNs	0.70	0.62	0.64	0.57	0.50	0.55	0.94	0.87	0.79
		FCNN + CRF	0.83	0.78	0.69	0.85	0.79	0.63	0.83	0.79	0.79
		FCNN + CRF + post-process	0.86	0.83	0.76	0.92	0.88	0.77	0.82	0.80	0.77
	3	FCNNs	0.71	0.67	0.65	0.58	0.56	0.57	0.95	0.86	0.78
		FCNN + CRF	0.83	0.77	0.69	0.83	0.74	0.63	0.85	0.82	0.79
		FCNN + CRF + post-process	0.86	0.82	0.76	0.91	0.84	0.78	0.84	0.82	0.76
	5	FCNNs	0.74	0.72	0.67	0.62	0.63	0.60	0.94	0.86	0.77
		FCNN + CRF	0.85	0.80	0.70	0.87	0.80	0.63	0.84	0.81	0.80
		FCNN + CRF + post-process	0.87	0.83	0.76	0.92	0.87	0.77	0.83	0.81	0.77
Leaderboard	1	FCNNs	0.64	0.54	0.49	0.50	0.45	0.42	0.96	0.76	0.71
		FCNN + CRF	0.82	0.65	0.57	0.83	0.70	0.51	0.85	0.69	0.72
		FCNN + CRF + post-process	0.85	0.72	0.61	0.88	0.76	0.59	0.84	0.76	0.70
	3	FCNNs	0.67	0.57	0.52	0.54	0.50	0.45	0.96	0.75	0.70
		FCNN + CRF	0.83	0.66	0.57	0.82	0.67	0.51	0.87	0.72	0.71
		FCNN + CRF + post-process	0.86	0.72	0.62	0.88	0.74	0.60	0.86	0.79	0.69
	5	FCNNs	0.70	0.61	0.54	0.58	0.57	0.49	0.96	0.74	0.67
		FCNN + CRF	0.83	0.66	0.57	0.85	0.71	0.50	0.85	0.69	0.71
		FCNN + CRF + post-process	0.86	0.73	0.62	0.89	0.76	0.64	0.84	0.78	0.68