基于U-Net结构改进的医学影像分割技术综述
CSTR:
作者:
作者单位:

作者简介:

殷晓航(1995-),女,硕士生,主要研究领域为深度学习,医学图像分割.
王永才(1978-),男,博士,副教授,博士生导师,CCF专业会员,主要研究领域为物联网,智能感知,网络定位,视觉感知,惯导融合定位.
李德英(1965-),女,博士,教授,博士生导师,CCF高级会员,主要研究领域为传感器网络,社会网络,图优化理论与算法,算法设计与分析.

通讯作者:

王永才,E-mail:ycw@ruc.edu.cn

中图分类号:

TP391

基金项目:

国家自然科学基金(61972404,61672524,11671400)


Suvery of Medical Image Segmentation Technology Based on U-Net Structure Improvement
Author:
Affiliation:

Fund Project:

National Natural Science Foundation of China (61972404, 61672524, 11671400)

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    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.

    Abstract:

    The application of deep learning in the field of medical image segmentation has attracted great attentions, among which the U-Net proposed in 2015 has been widely concerned because of its good segmentation effect and scalable structure. In recent years, with the improvement of the performance requirements of medical image segmentation, many scholars are improving and expanding the U-Net structure, such as the improvement of encoder-decoder, or the external feature pyramid, and so on. In this study, the medical image segmentation technology based on U-Net structure improvement is summarized from the aspects of performance-oriented optimization and structure-oriented improvement. Related methods are reviewed, classified and summarized. The paper evaluates the parameters and modules, and then summarizes the ideas and methods for improving the U-Net structure for different goals, which provides references for related research.

    参考文献
    相似文献
    引证文献
引用本文

殷晓航,王永才,李德英.基于U-Net结构改进的医学影像分割技术综述.软件学报,2021,32(2):519-550

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2020-05-09
  • 最后修改日期:2020-06-02
  • 录用日期:
  • 在线发布日期: 2020-07-27
  • 出版日期: 2021-02-06
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号