U-Net在肺结节分割中的应用进展

作者：沈权猷; 张小波; 李文豪; 李礼汉; 许荣德; 陈道花; 李静

来源：计算机应用, 2023, 43(S1): 250-257.

DOI：10.11772/j.issn.1001-9081.2022081216

• 深度学习
• U-Net
• 医学图像处理
• 肺肿瘤分割
• 肺结节

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。

• 单位
  云南省第一人民医院; 昆明理工大学; 广东省人民医院（广东省医学科学院）; 南方医科大学; 第二临床医学院; 广东工业大学