王素玉， 董政伦， 刘涵宇

(1.北京市物联网软件与系统工程技术研究中心， 北京 100124；2.北京工业大学信息学部， 北京 100124；3.河北工业大学机械工程学院， 天津 300401)

中国现在已经进入高速发展的时代，中国人民的生活水平越来越高，随着科技的发展，人民生活的节奏也变得越来越快，随之而来的就是各类疾病的发病率也越来越高，尤其是糖尿病、心血管类疾病和眼底疾病. 随着病人的增多和病情的多样化，人民需要更高的医疗水平，如果仅仅依靠医生来诊断疾病已经不现实了，需要依据科技进行精准而高效率的诊断，而想要实现精准、高效的诊断就必须有准确的病情数据. 因此，医疗领域迫切需要能辅助诊断的医疗图像分割算法.

在医疗图像分割中，新的卷积神经网络(convolutional neural networks, CNN)[1]框架中最著名的是Ronneberger等[2]发布的U- NET. U- NET中2个主要的体系结构创新是相同数量的上采样和下采样层的组合，使用跳跃连接将相对应的卷积和反卷积相结合，这样就可以把收缩和扩展路径的特征连接起来. 从训练的角度来看，这意味着整个图像可以由U- NET在一次正向传递中进行处理，从而直接生成分割图. 这使得U- NET能够考虑到视网膜图像的完整上下文，对于基于补丁的CNN来说是一个优势. U- NET网络还有一个巨大的优势就是适用于训练一些样本数量比较少的样本，能很好地解决视网膜图像数量少的问题. 另外，梁礼明等[3]还提出了一种融合U- NET和DenseNet的网络，并且取得很大的进步；Drozdzal等[4]除了常规U- NET中的……