U-Net and its variants for medical image segmentation: theory and applications

作者单位：普渡大学, 密歇根理工大学

论文链接：https://arxiv.org/abs/2011.01118

最全的U-Net及其变体(家族) 论文综述！42页PDF，共计286篇参考文献。本文全面研究了U-Net体系结构中的各种发展，并提供有关最新趋势的观察，介绍了各种创新，并讨论了这些技术如何提升U-Net性能。

U-Net是主要为医学图像分析而开发的图像分割技术，它可以使用少量的训练数据来精确分割图像。这些特征为U-net在医学成像社区中提供了非常高的实用性，并导致U-net被广泛用作医学成像中分割任务的主要工具。 U-net的成功体现在从CT扫描和MRI到X射线和显微镜检查的所有主要图像模式中的广泛使用。此外，尽管U-net在很大程度上是一种分割工具，但在其他应用中却存在使用U-net的实例。由于U-net的潜力仍在增加，因此在这篇综述中，我们将研究U-net体系结构中的各种发展，并提供有关最新趋势的观察。我们研究了深度学习中的各种创新，并讨论了这些工具如何促进U-net。此外，我们将研究应用U-net的图像模态和应用领域。

内容中包含的图片若涉及版权问题，请及时与我们联系删除