资源类型：
收录情况：
◇ 统计源期刊
◇ 北大核心
◇ CSCD-E
文章类型：
机构：
[1]广东工业大学自动化学院
[2]南方医科大学附属广东省人民医院(广东省医学科学院)微创介入科
广东省人民医院
[3]南方医科大学第二临床医学院
[4]云南省第一人民医院(昆明理工大学附属医院)呼吸与危重症医学科
内科片
呼吸与危重症医学科
云南省第一人民医院
外科片
重症医学科
[5]南方医科大学附属广东省人民医院(广东省医学科学院)呼吸与危重症医学科
广东省人民医院
出处：
关键词：
深度学习
U-Net
医学图像处理
肺肿瘤分割
肺结节
摘要：
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。
基金：
云南省重大科技专项（202102AA100012）；
第一作者：
第一作者机构：
[1]广东工业大学自动化学院
通讯作者：
通讯机构：
[4]云南省第一人民医院(昆明理工大学附属医院)呼吸与危重症医学科
[5]南方医科大学附属广东省人民医院(广东省医学科学院)呼吸与危重症医学科
推荐引用方式(GB/T 7714)：
沈权猷,张小波,李文豪,等.u-net在肺结节分割中的应用进展[J].计算机应用.2023,43(S1):250-257.
