10.3778/j.issn.1673-9418.2301044
基于UNet的医学图像分割综述
UNet作为卷积神经网络(CNN)中最重要的语义分割框架之一,广泛地应用于医学图像的分类、分割和目标检测等图像处理任务.对UNet的结构原理进行了阐述,并对基于UNet网络及变体模型进行了全面综述,从多个角度对模型算法进行了充分研究与分析,试图建立起各个模型间的演进规律.首先,将UNet变体模型根据其应用的七种医学成像系统的不同而进行分类研究,且将核心构成相似的算法进行了对比描述;其次,对每个模型的原理、优缺点和适用的场景等内容进行分析;再次,对主要UNet变体网络从结构原理、核心组成结构、数据集和评价指标四方面进行总结;最后,结合深度学习的最新进展,客观地描述了UNet网络结构存在的固有不足和解决方案,为未来继续改进提供了方向.同时,对UNet可结合的其他技术演进与应用场景等内容进行详述,进一步展望了基于UNet变体网络未来的发展趋势.
医学图像分割、深度学习、卷积神经网络(CNN)、UNet网络
17
TP391.41(计算技术、计算机技术)
2023-08-15(万方平台首次上网日期,不代表论文的发表时间)
共17页
1776-1792