基于U-Net结构改进的医学影像分割技术综述

深度学习在医学影像分割领域吸引了广泛应用，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.近些年来，随着医学图像割性能要求的提升，众多学者针对U-Net结构也在不断的改进和扩展，比如编解码器的改进，或是外接特征金字塔等.本文通过对基于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，为相关研究提供参考