fbpx
维基百科

U-Net

六月 30, 2023

U-Net是弗赖堡大学计算机科学系为生物医学图像分割开发的卷积神经网络。[1]其基于完全卷积网络[2]，并在结构上加以修改与扩展，使得它可以用更少的训练图像产生更精确的分割。在现代GPU上，分割一张512×512的图像需要的时间不到一秒。

描述

U-Net的结构源于Long、Shelhamer和Darrell提出的所谓“全卷积网络”。[2]

其主要思想是通过连续的层来补充通常的收缩网络，其中的汇集作业（Pooling Operation）代为升采样操作。这些层成功增加了输出的分辨率。接着，一个连续的卷积层可以根据这些信息，组合成一个精确的输出。[1]

U-Net的一个重要改变是，升采样部分有大量特征通道，这使得网络可以将上下文信息传播到更高的分辨率层。因此，扩展路径或多或少地同收缩部分对称，并产生一个U形结构。该网络只使用每个卷积的有效部分，没有任何全连接层。[2]缺失的环境可通过镜像翻转输入图像来预测图像边界区域的像素，这种平铺策略在网络应用于大图像时非常重要，否则分辨率将受到GPU内存的限制。

历史

U-Net首先由Olaf Ronneberger、Philipp Fischer、Thomas Brox于2015年在论文《U-Net：应用于生物医学图像分割的卷积网络》中提出。 [1]U-Net是Evan Shelhamer、Jonathan Long、Trevor Darrell (2014)提出的FCN（Fully Convolutional Networks完全卷积网络）的演进。[2]

网络架构

U-Net网络由一个收缩路径（contracting path）和一个扩展路径（expansive path）组成，使其具有U形结构。收缩路径是一张典型的卷积网络，包括卷积的重复应用，每个卷积之后都有一个线性整流函数单元（ReLU）和一个最大汇集作业（max pooling operation）。在收缩过程中，空间与特征信息一减一增。扩张路径通过连续的上卷积和与来自收缩路径的高分辨率特征相连接来组合特征与空间信息。[3]

 
U-Net结构示例，用于为256×256的RGB图像产生k个256×256遮罩。

应用

U-Net在生物医学图像分割中有大量应用，如脑图像分割（''BRATS''[4]）、肝图像分割（"siliver07"[5]）和蛋白质结合点预测等等。[6]U-Net的变体也被应用于医学图像重建。[7]下面是U-Net的部分变体及其应用：

  1. 基于U-Net的像素回归及其在泛锐化上的应用：；[8]
  2. 3D U-Net：从稀疏标注学习密集体积分割；[9]
  3. TernausNet：在ImageNet上预先训练的用于图像分割的带VGG11编码器U-Net；[10]
  4. 估计荧光染色的图到图翻译； [11]
  5. 蛋白质结构活性位点预测。[6]

参考文献

  1. ^ 1.0 1.1 1.2 Ronneberger O, Fischer P, Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation. 2015. arXiv:1505.04597   [cs.CV]. 
  2. ^ 2.0 2.1 2.2 2.3 Shelhamer E, Long J, Darrell T. Fully Convolutional Networks for Semantic Segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2017-04, 39 (4): 640–651. PMID 27244717. S2CID 1629541. arXiv:1411.4038  . doi:10.1109/TPAMI.2016.2572683. 
  3. ^ U-Net code. [2023-02-26]. （原始内容于2015-06-20）. 
  4. ^ MICCAI BraTS 2017: Scope | Section for Biomedical Image Analysis (SBIA) | Perelman School of Medicine at the University of Pennsylvania. www.med.upenn.edu. [2018-12-24]. （原始内容于2017-05-25）. 
  5. ^ SLIVER07 : Home. www.sliver07.org. [2018-12-24]. （原始内容于2008-05-29）. 
  6. ^ 6.0 6.1 Nazem F, Ghasemi F, Fassihi A, Dehnavi AM. 3D U-Net: A voxel-based method in binding site prediction of protein structure. Journal of Bioinformatics and Computational Biology. 2021-04, 19 (2): 2150006. PMID 33866960. doi:10.1142/S0219720021500062. 
  7. ^ Andersson J, Ahlström H, Kullberg J. Separation of water and fat signal in whole-body gradient echo scans using convolutional neural networks. Magnetic Resonance in Medicine. 2019-09, 82 (3): 1177–1186. PMC 6618066  . PMID 31033022. doi:10.1002/mrm.27786. 
  8. ^ Yao W, Zeng Z, Lian C, Tang H. Pixel-wise regression using U-Net and its application on pansharpening. Neurocomputing. 2018-10-27, 312: 364–371. ISSN 0925-2312. S2CID 207119255. doi:10.1016/j.neucom.2018.05.103. 
  9. ^ Çiçek Ö, Abdulkadir A, Lienkamp SS, Brox T, Ronneberger O. 3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation. 2016. arXiv:1606.06650   [cs.CV]. 
  10. ^ Iglovikov V, Shvets A. TernausNet: U-Net with VGG11 Encoder Pre-Trained on ImageNet for Image Segmentation. 2018. arXiv:1801.05746   [cs.CV]. 
  11. ^ Kandel ME, He YR, Lee YJ, Chen TH, Sullivan KM, Aydin O, et al. Phase imaging with computational specificity (PICS) for measuring dry mass changes in sub-cellular compartments. Nature Communications. December 2020, 11 (1): 6256. PMC 7721808  . PMID 33288761. arXiv:2002.08361  . doi:10.1038/s41467-020-20062-x. 

六月 30, 2023
是弗赖堡大学计算机科学系为生物医学图像分割开发的卷积神经网络, 其基于完全卷积网络, 并在结构上加以修改与扩展, 使得它可以用更少的训练图像产生更精确的分割, 在现代gpu上, 分割一张512, 512的图像需要的时间不到一秒, 目录, 描述, 历史, 网络架构, 应用, 参考文献描述, 编辑的结构源于long, shelhamer和darrell提出的所谓, 全卷积网络, 其主要思想是通过连续的层来补充通常的收缩网络, 其中的汇集作业, pooling, operation, 代为升采样操作, 这些层成功增加了输. U Net是弗赖堡大学计算机科学系为生物医学图像分割开发的卷积神经网络 1 其基于完全卷积网络 2 并在结构上加以修改与扩展 使得它可以用更少的训练图像产生更精确的分割 在现代GPU上 分割一张512 512的图像需要的时间不到一秒 目录 1 描述 2 历史 3 网络架构 4 应用 5 参考文献描述 编辑U Net的结构源于Long Shelhamer和Darrell提出的所谓 全卷积网络 2 其主要思想是通过连续的层来补充通常的收缩网络 其中的汇集作业 Pooling Operation 代为升采样操作 这些层成功增加了输出的分辨率 接着 一个连续的卷积层可以根据这些信息 组合成一个精确的输出 1 U Net的一个重要改变是 升采样部分有大量特征通道 这使得网络可以将上下文信息传播到更高的分辨率层 因此 扩展路径或多或少地同收缩部分对称 并产生一个U形结构 该网络只使用每个卷积的有效部分 没有任何全连接层 2 缺失的环境可通过镜像翻转输入图像来预测图像边界区域的像素 这种平铺策略在网络应用于大图像时非常重要 否则分辨率将受到GPU内存的限制 历史 编辑U Net首先由Olaf Ronneberger Philipp Fischer Thomas Brox于2015年在论文 U Net 应用于生物医学图像分割的卷积网络 中提出 1 U Net是Evan Shelhamer Jonathan Long Trevor Darrell 2014 提出的FCN Fully Convolutional Networks完全卷积网络 的演进 2 网络架构 编辑U Net网络由一个收缩路径 contracting path 和一个扩展路径 expansive path 组成 使其具有U形结构 收缩路径是一张典型的卷积网络 包括卷积的重复应用 每个卷积之后都有一个线性整流函数单元 ReLU 和一个最大汇集作业 max pooling operation 在收缩过程中 空间与特征信息一减一增 扩张路径通过连续的上卷积和与来自收缩路径的高分辨率特征相连接来组合特征与空间信息 3 U Net结构示例 用于为256 256的RGB图像产生k个256 256遮罩 应用 编辑U Net在生物医学图像分割中有大量应用 如脑图像分割 BRATS 4 肝图像分割 siliver07 5 和蛋白质结合点预测等等 6 U Net的变体也被应用于医学图像重建 7 下面是U Net的部分变体及其应用 基于U Net的像素回归及其在泛锐化上的应用 8 3D U Net 从稀疏标注学习密集体积分割 9 TernausNet 在ImageNet上预先训练的用于图像分割的带VGG11编码器U Net 10 估计荧光染色的图到图翻译 11 蛋白质结构活性位点预测 6 参考文献 编辑 1 0 1 1 1 2 Ronneberger O Fischer P Brox T U Net Convolutional Networks for Biomedical Image Segmentation 2015 arXiv 1505 04597 cs CV 2 0 2 1 2 2 2 3 Shelhamer E Long J Darrell T Fully Convolutional Networks for Semantic Segmentation IEEE Transactions on Pattern Analysis and Machine Intelligence 2017 04 39 4 640 651 PMID 27244717 S2CID 1629541 arXiv 1411 4038 doi 10 1109 TPAMI 2016 2572683 U Net code 2023 02 26 原始内容存档于2015 06 20 MICCAI BraTS 2017 Scope Section for Biomedical Image Analysis SBIA Perelman School of Medicine at the University of Pennsylvania www med upenn edu 2018 12 24 原始内容存档于2017 05 25 SLIVER07 Home www sliver07 org 2018 12 24 原始内容存档于2008 05 29 6 0 6 1 Nazem F Ghasemi F Fassihi A Dehnavi AM 3D U Net A voxel based method in binding site prediction of protein structure Journal of Bioinformatics and Computational Biology 2021 04 19 2 2150006 PMID 33866960 doi 10 1142 S0219720021500062 Andersson J Ahlstrom H Kullberg J Separation of water and fat signal in whole body gradient echo scans using convolutional neural networks Magnetic Resonance in Medicine 2019 09 82 3 1177 1186 PMC 6618066 PMID 31033022 doi 10 1002 mrm 27786 Yao W Zeng Z Lian C Tang H Pixel wise regression using U Net and its application on pansharpening Neurocomputing 2018 10 27 312 364 371 ISSN 0925 2312 S2CID 207119255 doi 10 1016 j neucom 2018 05 103 Cicek O Abdulkadir A Lienkamp SS Brox T Ronneberger O 3D U Net Learning Dense Volumetric Segmentation from Sparse Annotation 2016 arXiv 1606 06650 cs CV Iglovikov V Shvets A TernausNet U Net with VGG11 Encoder Pre Trained on ImageNet for Image Segmentation 2018 arXiv 1801 05746 cs CV Kandel ME He YR Lee YJ Chen TH Sullivan KM Aydin O et al Phase imaging with computational specificity PICS for measuring dry mass changes in sub cellular compartments Nature Communications December 2020 11 1 6256 PMC 7721808 PMID 33288761 arXiv 2002 08361 doi 10 1038 s41467 020 20062 x 取自 https zh wikipedia org w index php title U Net amp oldid 77690534, 维基百科，wiki，书籍，书籍，图书馆，

文章

，阅读，下载，免费，免费下载，mp3，视频，mp4，3gp， jpg，jpeg，gif，png，图片，音乐，歌曲，电影，书籍，游戏，游戏。