U-Net及其变体在医学图像分割中的理论与应用
图像与视频处理
2021-06-10 v1 计算机视觉与模式识别
机器学习
摘要
U-net是一种主要为医学图像分析开发的图像分割技术，能够利用极少量训练数据精确分割图像。这些特性使U-net在医学成像领域具有极高实用性，并导致其被广泛采用为医学成像中分割任务的主要工具。U-net的成功体现在其广泛应用于所有主要图像模态，从CT扫描、MRI到X射线和显微镜。此外，尽管U-net主要是一种分割工具，也有在其它应用中使用U-net的实例。随着U-net潜力的持续增长，在本综述中我们考察U-net架构中已取得的各种进展，并对近期趋势提供观察。我们审视深度学习中做出的各种创新，并讨论这些工具如何促进U-net。此外，我们考察了U-net已被应用的影像模态和应用领域。
引用
@article{arxiv.2011.01118,
title = {U-Net and its variants for medical image segmentation: theory and applications},
author = {Nahian Siddique and Paheding Sidike and Colin Elkin and Vijay Devabhaktuni},
journal= {arXiv preprint arXiv:2011.01118},
year = {2021}
}
备注
42 pages, in IEEE Access