Сегментация медицинских изображений на основе U-Net

Методы глубокого обучения широко применяются для сегментации медицинских изображений. Архитектура U-Net, предложенная в 2015 году, отличается высокой точностью сегментации небольших объектов и масштабируемостью. В последние годы требования к качеству сегментации медицинских изображений возросли, а число академических цитирований U-Net превысило 2500. Многие исследователи продолжают развивать эту архитектуру. В статье обобщены методы сегментации медицинских изображений на основе различных модификаций U-Net с учётом их структуры, нововведений и эффективности; проведён обзор и классификация соответствующих подходов, а также описаны функции потерь, метрики оценки и модули, широко применяемые для сегментации медицинских изображений. Этот обзор может служить ориентиром для дальнейших исследований.