文献类型：期刊文章

作　　者：周涛[1,2] 董雅丽[1] 霍兵强[1] 刘珊[1] 马宗军[3]

Zhou Tao;Dong Yali;Huo Bingqiang;Liu Shan;Ma Zongjun(College of Computer Science and Engineering,North Minzu University,Yinchuan 750021,China;The Key Laboratory of Images and Graphics Intelligent Processing of State Ethnic Affairs Commission,North Minzu University,Yinchuan 750021,China;Department of Orthopedics,General Hospital of Ningxia Medical University,Yinchuan 750004,China)

机构地区：[1]北方民族大学计算机科学与工程学院,银川750021 [2]北方民族大学图像图形智能处理国家民委重点实验室,银川750021 [3]宁夏医科大学总医院骨科,银川750004

出　　处：《中国图象图形学报》

基　　金：国家自然科学基金项目(62062003);宁夏自治区重点研发计划项目(2020BEB04022);北方民族大学引进人才科研启动项目(2020KYQD08);北方民族大学研究生创新项目(YCX21089)。

年　　份：2021

卷　　号：26

期　　号：9

起止页码：2058-2077

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：病灶精确分割对患者病情评估和治疗方案制定有重要意义,由于医学图像中病灶与周围组织的对比度低,同一疾病病灶边缘和形状存在很大差异,从而增加了分割难度。U-Net是近些年深度学习研究中的热点,为医生提供了一致性的量化病灶方法,一定程度上提高了分割性能,广泛应用于医学图像语义分割领域。本文对U-Net网络进行全面综述。阐述U-Net网络的基本结构和工作原理;从编码器个数、多个U-Net级联、与U-Net结合的其他模型以及3D U-Net等方面对U-Net网络模型的改进进行总结;从卷积操作、下采样操作、上采样操作、跳跃连接、模型优化策略和数据增强等方面对U-Net网络结构改进进行总结;从残差思想、密集思想、注意力机制和多机制组合等方面对U-Net的改进机制进行总结;对U-Net网络未来的发展方向进行展望。本文对U-Net网络的原理、结构和模型进行详细总结,对U-Net网络的发展具有一定积极意义。

关 键 词：U-Net  医学图像 语义分割  网络结构 网络模型  

分 类 号：TP391.7]