计算机科学与探索

作者：刘艳艳, 董彦如, 张凯, 王晓燕, 王旭

单位：1. 山东中医药大学 医学信息工程学院，济南 2503552. 山东省第二人民医院 眼科，济南 250023

关键词：视网膜血管分割,U-Net,深度学习,图像处理

基金：山东省研究生优质教育教学资源项目（2024k147）；山东省研究生教育教学改革研究项目（2024G137）；山东省中医药科技项目（2021M146）；山东中医药大学科学研究基金（KYZK2024M13）。

视网膜血管分割研究旨在促进眼底疾病的早期诊断及病变分析，为医生评估患者眼部健康状况提供重要依据。深度学习技术的迅猛发展为视网膜血管图像分割带来了新方法和分割性能的新突破，U-Net以出色的性能表现成为该领域的主流分割模型。详细整理了近年来U-Net及其改进模型在视网膜血管分割领域的应用进展，在介绍视网膜血管分割常用数据集与评价指标的基础上，概述U-Net模型及其主要结构改进策略。将U-Net变体划分为单网络模型与多网络模型，并从单网络模型中的注意力机制、残差结构、多尺度特征模块、卷积模块，以及多网络模型中的级联U-Net、双路径U-Net、生成对抗网络的融合、Transformer与Mamba模型的融入等角度对U-Net模型及其变体的改进进行了详细梳理，归纳对比分析了各研究在模型结构、特征提取、性能优化等方面的改进与缺陷，以及在公开数据集上的实验结果，并讨论了该领域目前存在的挑战与未来展望。

来源：2025年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第11期