编写的程序是基于tensorflow框架，主体分为四个部分：神经网络结构，损失函数，数据集读取，神经网络的训练和测试。其中神经网络结构的编写主要包括卷积、下采样(Maxpool)、上采样、归一化、激活、层连接等模块，分别对unet网络模块和unet++网络模块进行了构建，并设定原始图像输入大小和优化器。损失函数采用的是交叉熵损失(mse)和dice损失(dice coefficient)结合的损失函数。数据集读取包括对原图像进行裁剪并按7：2：1的比例划分为训练集、验证集及测试集(其中测试集在源数据下载的时候已经由官方单独存放)。神经网络的训练和测试模块主要包括设置网络训练的迭代次数、步长、步长下降因子等参数，测试模块主要包括对在测试集上测试网络模型的dice值，并对所有的测试集图像进行分割，最后保存网络模型的预测结果。
实验设计的程序改进包括以下四个方面：网络拓扑结构的改进，加入深层监督，增加数据增强模块，优化网络参数。