深度学习论文: U-Net and its variants for Medical Image Segmentation : A short review

深度学习论文: U-Net and its variants for Medical Image Segmentation : A short review
U-Net and its variants for Medical Image Segmentation : A short review
PDF: ​​​https://arxiv.org/pdf/2204.08470v1.pdf​​​ PyTorch代码: ​​https://github.com/shanglianlm0525/CvPytorch​​ PyTorch代码: ​​https://github.com/shanglianlm0525/PyTorch-Networks​​

1 U-Net 2015

U-Net适用于医学图像处理的主要原因是在训练数据较少的情况下还能取得不错的性能。

U-Net网络的关键结构就是以下三个部分：

• 下采样
• 上采样
• skip-connection

​​Unet: Convolutional networks for biomedical image segmentation​​

2 U-Net++ 2019

U-NET++网络是为了解决医学图像分割的精确性问题，从而提出的一种新的基于嵌套密集跳跃连接的分割体系结构。改变了原始U-Net网络层数，重新设计原网络中的跳跃连接，添加深度监督对不同分割任务剪枝到合适的网络，达到很好的分割效果。

​​UNet++: A Nested U-Net Architecture for Medical Image Segmentation​​

3 R2U-Net 2018

R2U-Net把RNN和ResNet的结构整合到了encoder-decoder结构里，实验效果很好。

​​Recurrent Residual Convolutional Neural Network based on U-Net (R2U-Net) for Medical Image Segmentation​​

4 Attention U-Net 2018

Attention U-Net将注意力机制应用于UNet分割网络中，可以比较好的实现对显著性区域的关注，以及对无关背景区域的抑制。

​​Attention U-Net: Learning Where to Look for the Pancreas​​

5 Trans U-Net 2021

Trans U-Net在encoder结构上运用 了transformer可以提取更好的特征。

​​TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation​​