U-Net在肺结节分割中的应用进展

医学上实现自动肺结节精准分割具有十分重要的临床意义。随着计算机视觉的显著进步,深度学习作为人工智能的一部分,在医学图像自动分割中引起了越来越多的关注。U-Net由于在小样本数据集上的良好表现,在医学图像分割领域得到广泛应用。目前,研究人员正在尝试使用不同的U-Net结构,以提高计算机辅助诊断系统在医学图像的肺癌筛查中的性能。首先,围绕肺结节分割任务介绍了当下常用的数据集和评价指标;其次,调查与肺结节相关的U-Net分割技术网络;另外,基于U-Net分别分析与归纳编解码器、跳跃连接和整体结构的改进;最后,还讨论了基于深度学习的自动分割技术的挑战和限制。