U-NET相关网络

U-NET相关网络：

1.U-Net( Ｒonneberger 等， 2015) : 对称的编解码结构， 内部的跳跃拼接补充了下采样过程中损失的高分辨率特征， 同时改善训练中的梯度消失问题。该结构在医学图像分割领域广泛应用。Ｒonneberger O， Fischer P and Brox T． 2015． U-Net: convolutional networks for biomedical image segmentation / /Proceedings of the 18th International Conference on Medical Image Computing and Computer-Assisted Intervention． Munich， Germany: Springer: 234-241
2. Attention U-Net( Oktay 等， 2018) : 在 U-Net 的跳跃拼接上加入了注意力门机制， 使得拼接的信息更集中于关键区域。Oktay O， Schlemper J， Le Folgoc L， Lee M， Heinrich M， Misawa K，Mori K， McDonagh S， Hammerla N Y， Kainz B， Glocker B andＲueckert D． 2018． Attention U-net: learning where to look for thepancreas［EB /OL］ ． ［2020-05-25］ ． https: / /arxiv． org /abs /1804．03999． pdf
3.Nested U-Net( Zhou 等， 2018) : 内嵌多解码输出的 U-Net 变体。为加强特征复用， 在内部引入了稠密连接。Zhou Z W， Siddiquee M M Ｒ， Tajbakhsh N and Liang J M． 2018．UNet + + : a nested U-net architecture for medical image segmentation / /Proceedings of the 4th International Workshop on Deep Learning in Medical Image Analysis and Multimodal Learning for ClinicalDecision Support． Granada， Spain: Springer: 3-11
4.Auto-U-Net( Salehi 等， 2017) : 迭代训练多个U-Net 模型， 将一个模型输出的概率图和原图组成新的输入， 送入后一个模型进行训练， 直到两次预测结果之差小于阈值。Salehi S S M， Erdogmus D and Gholipour A． 2017． Auto-context convolutional neural network ( Auto-Net) for brain extraction in magnetic resonance imaging． IEEE Transactions on Medical Imaging，36( 11) : 2319-2330
5.SS-U-Net ( Chen 等， 2019 ) : 自 监 督 U-Net( self-supervised U-Net) 是一种基于图像上下文恢复的自监督学习方法， 通过编解码结构训练图像恢复模型， 然后将其迁移至下游任务。Chen L， Bentley P， Mori K， Misawa K， Fujiwara M and Ｒueckert D．2019． Self-supervised learning for medical image analysis using image context restoration． Medical Image Analysis， 58: #101539