综述:U-Net及其变体在二维医学图像分割中的架构演进、性能分析与挑战综述
《Journal of Imaging》:A Survey on U-Net with Variants and Their Applications in Two-Dimensional Medical Image Segmentations
【字体:
大
中
小
】
时间:2026年10月10日
来源:Journal of Imaging 3.8
摘要
医学图像分割在计算机辅助诊断、治疗规划、手术导航以及定量医学图像分析中发挥着关键作用。在众多基于深度学习的分割架构中,U-Net凭借其编码器–解码器结构以及用于融合语义与空间信息的跳跃连接,已成为最具影响力的框架之一。本综述聚焦于U-Net及其在二维医学图像分割中的代表性变体。我们系统分析了其架构的演变历程,包括基于注意力的设计、增强的跳跃连接、可变形卷积以及基于Transformer的扩展,并讨论了各自的优点、局限性及应用边界。定量性能结果综合自已发表的研究,而非通过新的基准实验重新验证;直接数值比较仅限于同一研究内评估的模型或在明确定义的基准设置下评估的模型。我们进一步将架构改进与磁共振成像、计算机断层扫描、超声、眼底成像、皮肤镜及显微镜检查中的模态特定挑战相关联。最后,本文讨论了当前在计算效率、跨域泛化能力、数据稀缺、可解释性及临床部署方面所面临的挑战,并展望了未来研究的有前景方向。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号