یک مدل بر اساس معماری U-net  آموزش داده شده است که این معماری در ناحیه بندی تصاویر پزشکی بسیار دقیق عمل می‌کند. به منظور دستیابی به نتایج بهتر، از تکنیک های افزایش داده ها یا data augmentation و یادگیری انتقالی یا transfer learning (با استفاده از یک مدل از پیش آموزش داده شده به نام ResNet50) استفاده شده است. ResNet یک معماری شبکه عصبی کانولوشن است که توسط Kaiming He و همکاران  معرفی شده است. تابع بهینه ساز استفاده شده برای این مدل Adam و تابع زیان آن FlattenedLoss  است. (شکل 2) برخی از نتایج مدل آموزش دیده را نشان می‌دهد.