出场即称霸：CNN+医学图像分割！这高端局思路可得接稳了！

医学图像分割方向又来新突破啦！这次是ICRL 2025的投稿论文，提出了一种新型超轻量级CNN架构UltraLightUNet，在参数数量和计算复杂度上极为精简（分别减少333倍和123倍），同时保持了优异的分割性能！

这显然得益于CNN在医学图像分割中的诸多优势：不仅能自动提取图像特征，减少手工设计特征的复杂性；它端到端的训练方式还让模型可以直接从数据中学习，显著提高分割的准确性和效率！

因此对比传统，这种方法更适合处理复杂图像结构和噪声，是医疗图像领域未来的研究趋势，非常推荐有发文需求的同学考虑！我这边也整理好了12篇最新的CNN+医学图像分割论文给大家参考，代码基本都有，希望可以给各位的论文添砖加瓦。

全部论文+开源代码需要的同学看文末

UltraLightUNet: Rethinking U-Shaped Network with Multi-Kernel Lightweight Convolutions for Medical Image Segmentation

方法：论文提出一种超轻量级的多核U形网络UltraLightUNet，用于医学图像分割，通过引入多核倒残差(MKIR)和多焦点注意力机制(MKIRA)提高特征编码和细化能力，在多个医学图像分割基准测试中超越SOTA，特别是在DICE评分上超越了TransUNet，同时参数量和计算复杂度分别减少了333倍和123倍。