深度学习医疗图像分割

医疗图像分割

• 图像区域划分
  • Unet
  • Vnet

图像分割

图像分割可被视为计算机视觉领域中一个较为基础的课题，长期以来一直受到研究者的重视。近年来，已经涌现出众多用于解决该问题的算法，例如区域生长法、基于图论的策略，以及依据阈值差异进行划分的分割技术。此前在平台上曾有博主撰写了一篇有关医疗图像分割的综述文章，因此将相关链接基于深度学习的医学图像分割综述附于此处，便于今后查阅。
近期正在参与一项与医疗图像分割相关的项目，因此开始研读相关文献。Unet论文早已阅读过多次，但每次重读都能获得新的启发，此次希望将自身的理解进行整理记录，以便于后续持续跟进与参考。

Unet

随着深度学习技术的兴起，计算机视觉领域迎来了迅猛的发展进程。其中，图像分类、目标检测与定位以及目标分割等方向均取得了显著进展。在图像分割领域，深度学习的经典研究论文当属FCN，即全卷积网络。在此处插入一张示意图，以引出后续文章内容。

FCN的核心创新之处体现在将传统分类网络中的全连接分类层替换为1*1卷积层，从而实现像素级的图像分割预测。依据所采用预测特