文献类型：期刊文章

作　　者：陆韬[1] 张允劼[1] 吴雨晗[1] 王雪景[1] 蔡忠昊[1] 樊邵[1] 徐晓燕[1]

机构地区：[1]皖南医学院医学影像学院医学影像学实验实训中心,安徽 芜湖

出　　处：《临床医学进展》

基　　金：2023年安徽省级质量工程项目:2023xsxx256;校大学生科研资助金:WK2023XS16;大学生创新创业训练计划项目(202310368019、S202310368042)。

年　　份：2025

卷　　号：15

期　　号：5

起止页码：1495-1505

语　　种：中文

收录情况：外刊

摘　　要：肝脏肿瘤(Hepatic Neoplasm)作为全球公共卫生领域的重大威胁,其发病率与致死率持续攀升的态势亟需精准诊疗技术的突破。在多种计算机断层扫描(computed tomography, CT)图像进行肝脏及肝脏肿瘤分割的深度学习(Deep Learning, DL)方案对比中,U-Net及其变种表现较优秀。为此,本文对近年来U-Net在肝脏及肝脏肿瘤CT图像分割中的应用以及具体优化方法进行了归纳,对比分析不同模型间的优劣并提出可能的发展方向,以期为进一步研究提供参考。Hepatic neoplasm pose a significant global public health threat, with their persistently rising incidence and mortality rates necessitating breakthroughs in precise diagnostic and therapeutic technologies. Among deep learning (DL) solutions for liver and hepatic neoplasm segmentation in computed tomography (CT) images, U-Net and its variants demonstrate relatively superior performance. To this end, this paper provides a summary of the applications of U-Net in the segmentation of liver and hepatic neoplasm CT images in recent years, as well as specific optimization methods. It compares and analyzes the strengths and weaknesses of different models and proposes potential directions for future development, with the aim of providing a reference for further research.

关 键 词：深度学习  U-Net  医学图像处理 肝脏肿瘤分割  

分 类 号：TP391.41]