基于 U-Net 网络的医学图像分割研究综述

来源：计算机技术与发展杂志2024年第01期北京时间：

作者：宋杰;刘彩霞;';李慧婷

单位：1. 江苏师范大学 智慧教育学院,江苏 徐州 221116;2. 江苏师范大学 江苏省教育信息化工程技术研究中心,江苏 徐州 221116

摘要：近年来随着深度学习技术的快速发展,卷积神经网络( CNN) 成为语义分割的重要支撑框架,被广泛运用于多种目标检测与分割的任务当中。 在医学图像分割任务中,U-Net 网络以其优异的分割性能、可拓展性的网络结构等特点成为该领域研究的热点。 如今有众多学者从网络的结构等方面对 U-Net 进行改进以优化网络性能、提升分割准确度。 研究通过对相关文献的分析,首先介绍了基于 U-Net 的经典改进模型;然后阐述了六大 U-Net 改进机制:注意力机制、inception 模块、残差结构、空洞机制、密集连接结构以及集成网络结构;随后介绍了医学图像分割常用评价指标和非结构化改进方案,这些非结构化改进方法包括数据增强、优化器、激活函数和损失函数四个方面;之后列举并分析了在肺结节、视网膜血管、皮肤病和颅内肿瘤新冠肺炎四大医学图像分割领域的改进模型;最后对 U-Net 网络的未来发展进行展望,为相关研究提供思路。

关键词：医学图像分割;深度学习;人工智能;U-Net;卷积神经网络