表 3. Improvements to the U-Net encoder and decoder.

U-Net编、解码器的改进

网络名称	使用方法	时间	数据集	评价指标	数值（%）
IVD-Net[33]	密集连接	2018	16个3D多模态MRI	DSC	91.62
DenseUNet[23]	密集连接	2019	Conghua Road	Kappa	80.35
ResNet34 UNet[57]	ResNet34替换编码器	2019	RIGA	Dice	97.31
UNetResNext50[58]	ResNet50替换编码器	2021	3 929个MRI	DICE	95.73
MCNet[65]	金字塔池化	2020	DRIVE	Accuracy	98.20
GC-DCNN[66]	金字塔池化	2020	CNDS	F1-score	94.02
DiSegNet[74]	膨胀卷积	2021	Thorax	DSC	77.00 ± 5.00
URNet[44]	膨胀卷积	2021	REVITE	SSIM	95.89
RAUNet[88]	注意力机制	2019	CATA7	DICE	97.71
ANU-Net[25]	注意力机制	2020	ISBI 2019	DICE	94.79
SA-UNet[84]	注意力机制	2021	DRIVE	AUC	98.64
CA-Net[85]	注意力机制	2021	ISIC 2018	DICE	92.08
TA-Net[86]	注意力机制	2021	COLON CANCER	Accuracy	95.47
TA-Net[92]	Transformer机制	2021	DRIVE和STARE	Accuracy	97.18
FAT-Net[93]	Transformer机制	2021	ISIC	Accuracy	93.26
MSTGANet[94]	Transformer机制	2022	UCSD	DSC	86.20 ± 0.5