软件学报

作者：殷晓航，王永才，李德英

单位：殷晓航，中国人民大学 信息学院, 北京 10087211,王永才，中国人民大学 信息学院, 北京 10087202,李德英，中国人民大学 信息学院, 北京 10087203

关键词：U-Net;医学影像分割;结构改进;深度神经网络;技术综述

基金：国家自然科学基金（61972404，61672524，11671400）

深度学习在医学影像分割领域得到广泛应用，其中，2015年提出的U-Net因其分割小目标效果较好、结构具有可扩展性，自提出以来受到广泛关注.近年来，随着医学图像割性能要求的提升，众多学者针对U-Net结构也在不断地改进和扩展，比如编解码器的改进、外接特征金字塔等.通过对基于U-Net结构改进的医学影像分割技术，从面向性能优化和面向结构改进两个方面进行总结，对相关方法进行了综述、分类和总结，并介绍图像分割中常用的损失函数、评价参数和模块，进而总结了针对不同目标改进U-Net结构的思路和方法，为相关研究提供了参考.

来源：2021年第2期

《软件学报》期刊编辑部

查看软件学报杂志2021年第2期