关键词：U-Net变体; 医学图像; 语义分割; 深度学习; 改进机制;
作者：崔珂 田启川 廉露
摘要：U-Net简单高效的网络结构，被广泛应用于医学图像分割任务中，诸多学者针对U-Net结构做出了多样的研究和改进。本文基于U-Net网络结构改进方法从以下方面进行归纳总结：首先，总结U-Net网络在医学图像分割领域的关键挑战；然后，归纳常用于U-Net网络的医学图像数据集格式及特点；其次，重点总结U-Net和U-Net变体算法六大改进机制：跳跃连接机制、生成对抗网络、残差连接机制、3D-UNet、Transformer机制、密集连接机制；最后，探讨六大改进机制与常用医学数据之间的关系，并指出未来改进思路和方向，激发U-Net在医学图像分割的无限潜力。uLI欢迎在线投稿
uLI欢迎在线投稿
关键词：U-Net变体; 医学图像; 语义分割; 深度学习; 改进机制;uLI欢迎在线投稿
uLI欢迎在线投稿
基金资助：北京建筑大学研究生教育教学质量提升项目（No.J2022012）； 北京建筑大学教育教学研究项目（No.Y2130）； 北京建筑大学混合式课程建设项目（No.YC23019）；uLI欢迎在线投稿
uLI欢迎在线投稿
专辑： 基础科学;医药卫生科技;信息科技uLI欢迎在线投稿
专题： 生物学;生物医学工程;计算机软件及计算机应用uLI欢迎在线投稿
分类号：R318;TP391.41uLI欢迎在线投稿