计算机科学与探索

作者：蒲秋梅, 殷帅, 李正茂, 赵丽娜

单位：1. 中央民族大学 信息工程学院，北京 1000812. 中国科学院 高能物理研究所 多学科研究中心，北京 100049

关键词：医学图像分割,U型卷积网络,深度学习,乳腺疾病,图像处理

U-Net及其变体模型在乳腺医学图像分割领域展现了卓越的性能，U-Net采用全卷积网络（FCN）结构进行语义分割，U-Net对称结构的高度灵活性和适应性可以通过调整网络深度、引入新的模块来适应不同的图像分割任务和挑战，这种创新结构对后续网络设计产生了深远影响。深入探讨了基于U型卷积网络在乳腺医学图像分割中的应用，并对近年来用于乳腺医学图像分割的U型卷积网络进行了分类与归纳。针对U-Net网络结构改进的乳腺医学图像分割技术进行了如下总结。阐述了目前广泛使用的乳腺医学图像数据集及评价指标，陈述了常用的数据增强方法；详细介绍了U-Net模型的网络结构以及用于乳腺医学图像的传统分割方法；对用于乳腺医学图像分割方法的U型网络结构按照残差结构、多尺度特征、膨胀机制、注意力机制、跳跃连接机制、结合Transformer等方面改进进行归纳总结。讨论了当下乳腺医学图像分割所遇到的问题与挑战，对未来的研究走向做出了展望。

来源：2024年第6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2024年第6期