面向生物医学图像分割的模态特定U-Net变体：综述
图像与视频处理
2022-03-03 v4 计算机视觉与模式识别
摘要
随着深度学习方法（如深度卷积神经网络、残差神经网络、对抗网络）的发展，U-Net架构被最广泛地用于生物医学图像分割，以解决目标区域或子区域的识别与检测自动化问题。在近期研究中，基于U-Net的方法在不同应用中展示了最先进的性能，用于开发计算机辅助诊断系统，以对各种模态下的脑肿瘤、肺癌、阿尔茨海默病、乳腺癌等疾病进行早期诊断和治疗。本文通过描述U-Net框架，并对U-Net变体进行1)模态间和2)模态内的综合分类分析，以建立对相关挑战与解决方案的更深入认识，从而呈现这些方法的成功之处。此外，本文还强调了基于U-Net的框架在持续流行的新冠病毒（SARS-CoV-2，亦称COVID-19）中的贡献。最后，分析了这些U-Net变体的优势与相似性，以及生物医学图像分割中所涉及的挑战，以揭示该领域有前景的未来研究方向。
引用
@article{arxiv.2107.04537,
title = {Modality specific U-Net variants for biomedical image segmentation: A survey},
author = {Narinder Singh Punn and Sonali Agarwal},
journal= {arXiv preprint arXiv:2107.04537},
year = {2022}
}