介绍
自2015年以来， UNET在医学图像细分中取得了重大突破，开放了深度学习时代。后来的研究人员在UNET的基础上做出了很多改进，以提高语义细分的性能。
在这个项目中，我们近年来编辑了与UNET（ UNET家族）相关的语义细分模型。我的实施主要基于Pytorch ，其他实现是从原始论文或优秀存储库的作者中收集的。根据记录，该项目仍在建设中。如果您有任何建议或问题，请提出问题或通过电子邮件与我联系。
此外，为什么UNET神经网络在医学图像分割中表现良好？您可以从我在Zhihu的回答中弄清楚。
无家庭
2015
- U-NET：生物医学图像分割的卷积网络（MICCAI）[纸] [my-pytorch] [keras]
2016
- V-NET：用于体积医学图像分割的完全卷积神经网络[Paper] [Caffe] [Pytorch]
- 3D U-NET：从稀疏注释[Paper] [Pytorch]学习密集的体积分割
2017
- H致密nunet：从CT体积（医学成像上的IEEE交易）[Paper] [keras]的CT体积（IEEE交易）的肝脏分割的混合杂种连接到肝脏分割
- GP-UNET：具有3D回归网络（MICCAI）的弱标签的病变检测[纸]
2018
- UNET ++：用于医学图像分割的嵌套U-NET体系结构（MICCAI）[纸] [my-pytorch] [keras]
- MDU-NET：生物医学图像分割的多尺度密度连接的U-NET [纸]
- DUNET：视网膜分割的可变形网络[纸]
- RA-UNET：在CT扫描中提取肝脏和肿瘤的混合深度注意力感知网络[纸]
- 多个图像模态中缺血性卒中病变分割的密集多路径U-NET [纸]
- 带有双变压器的堆叠密集的U-Nets可用于稳健的面部对齐[纸]
- 使用2D桥接U-NET [PAPER]的前列腺分割
- NNU-NET：基于U-NET的医疗图像分割的自动调整框架[Paper] [Pytorch]
- Sunet：用于急性中风病变细分和多模式MRI结果预测的深度学习结构[纸]
- IVD-NET：具有多模式UNET的MRI椎间盘定位和分割[Paper]
- Laddernet：基于U-NET的多路径网络用于医疗图像分割[Paper] [Pytorch]
- 与级联的UNET分割的神经胶质瘤[纸]
- 注意U-net：学习在哪里寻找胰腺[纸]
- 基于U-NET（R2U-NET）进行医学图像分割[纸]基于U-NET（R2U-NET）的复发性残留卷积神经网络[纸]
- 完全卷积网络中的同时空间和渠道“挤压与激发” [纸]
- 用于分割模棱两可图像（nips）[纸] [Tensorflow]的概率U-NET
- Anatomynet：对头部和颈部解剖的快速和全自动全册分割的深度学习[纸]
- 3D Roi Awance U-NET，用于准确有效的结直肠癌分割[Paper] [Pytorch]
- 使用弱监督的机器学习（Y-NET）（MICCAI）[Paper]（第82页），在DWI上检测和描述DWI急性脑梗塞
- 完全致密的UNET用于2D稀疏光声断层扫描伪影的去除[纸]
2019
- MultireSunet：重新考虑多模式生物医学图像分割的U-NET体系结构[Paper] [Keras]
- U-netplus：用于语义仪器语义和实例分割的修改的编码器u-net体系结构[纸张]
- 概率图指导双向复发胰腺分割[纸]
- CE-NET：2D医疗图像分割的上下文编码网络[Paper] [Pytorch]
- 图U-net [纸]
- 一种新型的局灶性tversky损失函数，提高了对病变分割（ISBI）[纸]的注意力NET的提高。
- ST-UNET：用于图形结构时间序列建模的时空U网络[Paper]
- 连接敏感的关注U-NET，以进行精确的视网膜分割[纸]
- CIA-NET：使用轮廓感知信息聚合[纸]稳健的核实例分割[纸]
- W-NET：密度图估计的增强U-NET [纸]
- 使用协调引导的深神经网络（ISBI口服）对肺叶的自动分割[纸]
- U2-NET：一种具有认知不确定性反馈的贝叶斯U-NET模型，用于病理OCT扫描中的光感受器层分割[纸]
- ScleraseGnet：一种改进的U-NET模型，并注意准确的巩膜细分（ICB荣誉提及纸奖）[纸]
- AHCNET：CT体积中肝肿瘤分割的注意机制和杂交连接的应用[纸]
- 用于建模多尺度歧义的层次概率U-NET [纸]
- 用于资源约束的分割的经常性U-NET [纸]
- MFP-UNET：一种新型的基于深度学习的方法，用于超声心动图中的左心室分割[论文]
- 用于记忆有效体积图像分割的部分可逆U-NET（Miccai 2019）[Paper] [Pytorch]
- Resunet-A：一个深度学习框架，用于远程感知的数据的语义分割[论文]
- 用懒惰标签进行分割的多任务U-NET [纸]
- RAUNET：剩余的关注U-NET用于白内障手术器械的语义分割[纸]
- 3D U2-NET：用于多域医学图像分割的3D通用U-NET（Miccai 2019）[纸] [Pytorch]
- SEGNAS3D：针对3D图像分割的无衍生全局优化的网络体系结构搜索（Miccai 2019）[Paper]
- 3D扩张的多纤维网络用于MRI中的实时脑肿瘤分割[Paper] [Pytorch]（Miccai 2019）
- 医学图像分割和供应商适应的域移位问题[paper]
- 用于资源约束的分段[Paper]的经常性U-NET（ICCV 2019）
- 带有健康模板的暹罗U-NET，可准确分割颅内出血（Miccai 2019）
2020
- u^2-net：使用嵌套的U型结构进行深度检测（模式识别2020）[Paper] [Pytorch]
- UNET 3+：用于医学图像分割的全面连接的UNET（ICASSP 2020）[纸] [Pytorch]
参考
- https://github.com/ozan-oktay/Attrine-gated-networks（我们的模型样式主要是指这个存储库。）
