摘 要：隨著醫(yī)療需求的持續(xù)增長(zhǎng)，深度學(xué)習(xí)技術(shù)在醫(yī)學(xué)圖像自動(dòng)分割領(lǐng)域展現(xiàn)出巨大的潛力。空間數(shù)據(jù)智能的發(fā)展為醫(yī)學(xué)圖像的精確分割提供了新的解決思路。ＵＮｅｔ 作為醫(yī)學(xué)圖像分割領(lǐng)域最具影響力的網(wǎng)絡(luò)架構(gòu)，自２０１５ 年提出以來在各類醫(yī)學(xué)影像任務(wù)中得到了廣泛應(yīng)用，其獨(dú)特的編碼器－解碼器結(jié)構(gòu)設(shè)計(jì)不僅為后續(xù)研究奠定了基礎(chǔ)范式，更催生了大量改進(jìn)網(wǎng)絡(luò)。系統(tǒng)梳理了ＵＮｅｔ 架構(gòu)的重要發(fā)展里程碑：ＲｅｓＵＮｅｔ 通過殘差連接解決了深層網(wǎng)絡(luò)訓(xùn)練困難的問題，ＡｔｔｅｎｔｉｏｎＵＮｅｔ 引入自適應(yīng)注意力機(jī)制提升了在跳躍連接中的特征選擇精確度，而ＴｒａｎｓＵＮｅｔ 和ＳｗｉｎＵＮｅｔ 則代表了將現(xiàn)代Ｔｒａｎｓｆｏｒｍｅｒ引入醫(yī)學(xué)圖像分割的２ 個(gè)關(guān)鍵階段，展現(xiàn)了卷積神經(jīng)網(wǎng)絡(luò)（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＣＮＮ） 與Ｔｒａｎｓｆｏｒｍｅｒ 融合的巨大潛力。通過分析這些代表性網(wǎng)絡(luò)的架構(gòu)創(chuàng)新和性能突破，揭示了醫(yī)學(xué)圖像分割技術(shù)從純ＣＮＮ 架構(gòu)向ＣＮＮＴｒａｎｓｆｏｒｍｅｒ 混合架構(gòu)演進(jìn)的發(fā)展趨勢(shì)。此外，探討了現(xiàn)有技術(shù)面臨的挑戰(zhàn)，對(duì)未來空間數(shù)據(jù)智能的發(fā)展方向提供了見解，為該領(lǐng)域的進(jìn)一步研究提供了參考。

關(guān)鍵詞：深度學(xué)習(xí)；ＵＮｅｔ；醫(yī)學(xué)圖像分割；神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

中圖分類號(hào)：ＴＮ９２９． ５ 文獻(xiàn)標(biāo)志碼：Ａ

文章編號(hào)：１００３－３１０６（２０２４）１２－２７６５－１５

０ 引言

近年來，國(guó)家高度重視人工智能技術(shù)的應(yīng)用與發(fā)展，積極推動(dòng)人工智能、大數(shù)據(jù)、互聯(lián)網(wǎng)、５Ｇ、區(qū)塊鏈、物聯(lián)網(wǎng)等新一代信息技術(shù)在醫(yī)療健康領(lǐng)域的深度融合。這一政策導(dǎo)向有效促進(jìn)了醫(yī)學(xué)人工智能的快速發(fā)展，并在我國(guó)逐步落地應(yīng)用［１］。當(dāng)前，隨著人口老齡化程度加劇以及高血壓、糖尿病等慢性病發(fā)病率逐年上升，醫(yī)療衛(wèi)生資源的總量相對(duì)不足且分布不均衡成為亟待解決的問題。在政策支持下，醫(yī)學(xué)人工智能的發(fā)展為解決這些問題提供了新的技術(shù)途徑，正在逐步改變傳統(tǒng)的疾病預(yù)防、檢測(cè)和治療模式，推動(dòng)衛(wèi)生健康領(lǐng)域的創(chuàng)新與進(jìn)步。

在醫(yī)療健康領(lǐng)域，醫(yī)學(xué)圖像的分析是臨床診斷和治療的核心環(huán)節(jié)之一。隨著影像技術(shù)的發(fā)展，ＣＴ、ＭＲＩ 以及超聲等醫(yī)療影像數(shù)據(jù)量迅速增加，如何高效、準(zhǔn)確地從海量醫(yī)學(xué)圖像中提取關(guān)鍵信息，成為當(dāng)前醫(yī)療實(shí)踐中的一大挑戰(zhàn)［２］。醫(yī)學(xué)圖像分割作為影像分析的重要步驟，自動(dòng)或半自動(dòng)地將目標(biāo)區(qū)域從背景中精確分割出來，能夠?yàn)榕R床醫(yī)生提供重要的定量分析信息，顯著提升診斷效率和精度。在這一技術(shù)發(fā)展進(jìn)程中，空間數(shù)據(jù)智能的崛起為醫(yī)學(xué)圖像分析帶來了新的突破?？臻g數(shù)據(jù)智能通過整合空間信息處理、深度學(xué)習(xí)和知識(shí)推理等技術(shù)，能夠更好地理解和利用醫(yī)學(xué)圖像中的空間特征和上下文關(guān)系。這種智能化的空間數(shù)據(jù)處理方法不僅提升了醫(yī)學(xué)圖像分割的準(zhǔn)確性，還為復(fù)雜自動(dòng)醫(yī)療結(jié)構(gòu)的精確識(shí)別提供了新的解決方案。特別是在處理器官之間的復(fù)雜空間關(guān)系和病變區(qū)域的精確定位方面，空間數(shù)據(jù)智能展現(xiàn)出了獨(dú)特的優(yōu)勢(shì)。

自２０１２ 年深度學(xué)習(xí)技術(shù)取得突破以來，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)不斷推陳出新，各類網(wǎng)絡(luò)在不同領(lǐng)域得到了廣泛應(yīng)用。在醫(yī)學(xué)圖像分割領(lǐng)域，２０１５ 年提出的ＵＮｅｔ［３］是不可忽視的代表性網(wǎng)絡(luò)。

ＵＮｅｔ 的設(shè)計(jì)受到全卷積網(wǎng)絡(luò)（ＦｕｌｌｙＣｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｔｗｏｒｋ，ＦＣＮ）的啟發(fā)［４］，其基于卷積神經(jīng)網(wǎng)絡(luò)（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＣＮＮ），使用創(chuàng)新性的網(wǎng)絡(luò)設(shè)計(jì)，實(shí)現(xiàn)了當(dāng)時(shí)較好的醫(yī)學(xué)圖像分割效果。其將對(duì)稱的“Ｕ”型編碼器－解碼器結(jié)構(gòu)與跳躍連接相結(jié)合，使得高分辨率的局部信息和低分辨率的全局語義信息能夠有效融合，極大地提升了分割任務(wù)的精度與效率。此后，基于ＵＮｅｔ 架構(gòu)，許多研究人員相繼提出了改進(jìn)的變體網(wǎng)絡(luò)，如ＵＮｅｔ＋＋［５］、ＲｅｓＵＮｅｔ［６］等，這些變體在不同場(chǎng)景中進(jìn)一步優(yōu)化了分割性能，推動(dòng)了醫(yī)學(xué)圖像分割技術(shù)的持續(xù)發(fā)展。

２０１７ 年，Ｔｒａｎｓｆｏｒｍｅｒ 結(jié)構(gòu)被提出，最初主要用于解決自然語言處理（Ｎａｔｕｒａｌ Ｌａｎｇｕａｇｅ Ｐｒｏｃｅｓｓｉｎｇ，ＮＬＰ）中的問題，并在該領(lǐng)域取得了顯著成效［７］。隨著Ｔｒａｎｓｆｏｒｍｅｒ 在ＮＬＰ 領(lǐng)域的成功，研究者們逐漸將這一架構(gòu)引入到視覺任務(wù)中，催生了Ｖｉｓｉｏｎ Ｔｒａｎｓｆｏｒｍｅｒ（ＶｉＴ）模型［８］。在此基礎(chǔ)上，許多研究開始探索ＣＮＮ 與Ｔｒａｎｓｆｏｒｍｅｒ 的結(jié)合，產(chǎn)生了大量新的網(wǎng)絡(luò)架構(gòu)。這種結(jié)合的趨勢(shì)也影響到了醫(yī)學(xué)圖像分割領(lǐng)域，ＵＮｅｔ 與Ｔｒａｎｓｆｏｒｍｅｒ 的融合網(wǎng)絡(luò)應(yīng)運(yùn)而生。這種結(jié)合進(jìn)一步提升了模型對(duì)全局和局部特征的捕捉能力，為復(fù)雜的醫(yī)學(xué)影像處理提供了更為強(qiáng)大的工具［９］。

基于以上背景，本文主要討論ＵＮｅｔ 及其網(wǎng)絡(luò)變體設(shè)計(jì)，梳理ＵＮｅｔ 的網(wǎng)絡(luò)發(fā)展脈絡(luò)，把握未來網(wǎng)絡(luò)結(jié)構(gòu)的發(fā)展趨勢(shì)大多基于ＣＮＮ 與Ｔｒａｎｓｆｏｒｍｅｒ 或其他網(wǎng)絡(luò)比如ｍａｍｂａ［１０］等的有機(jī)結(jié)合，為推動(dòng)醫(yī)療智能化發(fā)展提供理論參考和實(shí)踐指導(dǎo)。

１ 經(jīng)典ＵＮｅｔ 結(jié)構(gòu)

在醫(yī)學(xué)圖像分割領(lǐng)域，ＵＮｅｔ 憑借其簡(jiǎn)潔而高效的網(wǎng)絡(luò)架構(gòu)取得了廣泛的應(yīng)用，圖１ 為自提出以來各類網(wǎng)絡(luò)的研究文獻(xiàn)數(shù)量餅狀圖，可以看出，ＵＮｅｔ 占比７５． ６％ ，ＦＣＮ 占比９． ２％ ，ＳｅｇＮｅｔ 網(wǎng)絡(luò)占比２． ５％ ，ＤｅｅｐＬａｂ 網(wǎng)絡(luò)占比１． ７％ ，ＵＮｅｔ＋ ＋與ＤｅｅｐＬａｂｖ３ 網(wǎng)絡(luò)有著相同的占比，為１． ６％ ，最后是其他網(wǎng)絡(luò)占比７． ８％ 。

ＵＮｅｔ 的設(shè)計(jì)采用了對(duì)稱的編碼器－解碼器結(jié)構(gòu)，通過逐層卷積提取特征，同時(shí)結(jié)合跳躍連接將高分辨率的細(xì)節(jié)信息從編碼器傳遞到解碼器部分，以確?？臻g信息的保留與重建。這樣的結(jié)構(gòu)使得ＵＮｅｔ 在處理小樣本醫(yī)學(xué)圖像時(shí)，仍能夠取得良好的分割效果。