介紹
自2015年以來， UNET在醫學圖像細分中取得了重大突破，開放了深度學習時代。後來的研究人員在UNET的基礎上做出了很多改進，以提高語義細分的性能。
在這個項目中，我們近年來編輯了與UNET（ UNET家族）相關的語義細分模型。我的實施主要基於Pytorch ，其他實現是從原始論文或優秀存儲庫的作者中收集的。根據記錄，該項目仍在建設中。如果您有任何建議或問題，請提出問題或通過電子郵件與我聯繫。
此外，為什麼UNET神經網絡在醫學圖像分割中表現良好？您可以從我在Zhihu的回答中弄清楚。
無家庭
2015
- U-NET：生物醫學圖像分割的捲積網絡（MICCAI）[紙] [my-pytorch] [keras]
2016
- V-NET：用於體積醫學圖像分割的完全卷積神經網絡[Paper] [Caffe] [Pytorch]
- 3D U-NET：從稀疏註釋[Paper] [Pytorch]學習密集的體積分割
2017
- H緻密nunet：從CT體積（醫學成像上的IEEE交易）[Paper] [keras]的CT體積（IEEE交易）的肝臟分割的混合雜種連接到肝臟分割
- GP-UNET：具有3D回歸網絡（MICCAI）的弱標籤的病變檢測[紙]
2018
- UNET ++：用於醫學圖像分割的嵌套U-NET體系結構（MICCAI）[紙] [my-pytorch] [keras]
- MDU-NET：生物醫學圖像分割的多尺度密度連接的U-NET [紙]
- DUNET：視網膜分割的可變形網絡[紙]
- RA-UNET：在CT掃描中提取肝臟和腫瘤的混合深度注意力感知網絡[紙]
- 多個圖像模態中缺血性卒中病變分割的密集多路徑U-NET [紙]
- 帶有雙變壓器的堆疊密集的U-Nets可用於穩健的面部對齊[紙]
- 使用2D橋接U-NET [PAPER]的前列腺分割
- NNU-NET：基於U-NET的醫療圖像分割的自動調整框架[Paper] [Pytorch]
- Sunet：用於急性中風病變細分和多模式MRI結果預測的深度學習結構[紙]
- IVD-NET：具有多模式UNET的MRI椎間盤定位和分割[Paper]
- Laddernet：基於U-NET的多路徑網絡用於醫療圖像分割[Paper] [Pytorch]
- 與級聯的UNET分割的神經膠質瘤[紙]
- 注意U-net：學習在哪裡尋找胰腺[紙]
- 基於U-NET（R2U-NET）進行醫學圖像分割[紙]基於U-NET（R2U-NET）的複發性殘留卷積神經網絡[紙]
- 完全卷積網絡中的同時空間和渠道“擠壓與激發” [紙]
- 用於分割模棱兩可圖像（nips）[紙] [Tensorflow]的概率U-NET
- Anatomynet：對頭部和頸部解剖的快速和全自動全冊分割的深度學習[紙]
- 3D Roi Awance U-NET，用於準確有效的結直腸癌分割[Paper] [Pytorch]
- 使用弱監督的機器學習（Y-NET）（MICCAI）[Paper]（第82頁），在DWI上檢測和描述DWI急性腦梗塞
- 完全緻密的UNET用於2D稀疏光聲斷層掃描偽影的去除[紙]
2019
- MultireSunet：重新考慮多模式生物醫學圖像分割的U-NET體系結構[Paper] [Keras]
- U-netplus：用於語義儀器語義和實例分割的修改的編碼器u-net體系結構[紙張]
- 概率圖指導雙向復發胰腺分割[紙]
- CE-NET：2D醫療圖像分割的上下文編碼網絡[Paper] [Pytorch]
- 圖U-net [紙]
- 一種新型的局灶性tversky損失函數，提高了對病變分割（ISBI）[紙]的注意力NET的提高。
- ST-UNET：用於圖形結構時間序列建模的時空U網絡[Paper]
- 連接敏感的關注U-NET，以進行精確的視網膜分割[紙]
- CIA-NET：使用輪廓感知信息聚合[紙]穩健的核實例分割[紙]
- W-NET：密度圖估計的增強U-NET [紙]
- 使用協調引導的深神經網絡（ISBI口服）對肺葉的自動分割[紙]
- U2-NET：一種具有認知不確定性反饋的貝葉斯U-NET模型，用於病理OCT掃描中的光感受器層分割[紙]
- ScleraseGnet：一種改進的U-NET模型，並註意準確的鞏膜細分（ICB榮譽提及紙獎）[紙]
- AHCNET：CT體積中肝腫瘤分割的注意機制和雜交連接的應用[紙]
- 用於建模多尺度歧義的層次概率U-NET [紙]
- 用於資源約束的分割的經常性U-NET [紙]
- MFP-UNET：一種新型的基於深度學習的方法，用於超聲心動圖中的左心室分割[論文]
- 用於記憶有效體積圖像分割的部分可逆U-NET（Miccai 2019）[Paper] [Pytorch]
- Resunet-A：一個深度學習框架，用於遠程感知的數據的語義分割[論文]
- 用懶惰標籤進行分割的多任務U-NET [紙]
- RAUNET：剩餘的關注U-NET用於白內障手術器械的語義分割[紙]
- 3D U2-NET：用於多域醫學圖像分割的3D通用U-NET（Miccai 2019）[紙] [Pytorch]
- SEGNAS3D：針對3D圖像分割的無衍生全局優化的網絡體系結構搜索（Miccai 2019）[Paper]
- 3D擴張的多纖維網絡用於MRI中的實時腦腫瘤分割[Paper] [Pytorch]（Miccai 2019）
- 醫學圖像分割和供應商適應的域移位問題[paper]
- 用於資源約束的分段[Paper]的經常性U-NET（ICCV 2019）
- 帶有健康模板的暹羅U-NET，可準確分割顱內出血（Miccai 2019）
2020
- u^2-net：使用嵌套的U型結構進行深度檢測（模式識別2020）[Paper] [Pytorch]
- UNET 3+：用於醫學圖像分割的全面連接的UNET（ICASSP 2020）[紙] [Pytorch]
參考
- https://github.com/ozan-oktay/Attrine-gated-networks（我們的模型樣式主要是指這個存儲庫。）
