U-Net

Das U-Net ist ein Konvolutionsneuronales Netzwerk (CNN), das speziell für die Biomedizinische Bildsegmentierung entwickelt wurde. Es wurde am Computer Science Department der Universität Freiburg entwickelt und ist ein wichtiger Meilenstein in der Geschichte der künstlichen Intelligenz.

Architektur

Das U-Net besteht aus zwei Hauptteilen: dem kontrahierenden Pfad und dem expansiven Pfad. Der kontrahierende Pfad ist ein typisches Konvolutionsneuronales Netzwerk, das durch wiederholte Anwendung von Konvolutionen, ReLU-Aktivierungsfunktionen und Max-Pooling-Operationen die räumliche Information reduziert und die Merkmalsinformation erhöht. Der expansive Pfad kombiniert die Merkmals- und räumliche Information durch eine Sequenz von Up-Konvolutionen und Konkatenationen mit hochauflösenden Merkmalen aus dem kontrahierenden Pfad.

Anwendungen

Das U-Net hat viele Anwendungen in der Biomedizinischen Bildsegmentierung, wie z.B. die Segmentierung von Hirnbildern und Leberbildern. Es hat auch den Grand Challenge for Computer-Automated Detection of Caries in Bitewing Radiography at ISBI 2015 gewonnen und den Cell Tracking Challenge at ISBI 2015 auf den zwei schwierigsten Kategorien (Phasenkontrast- und DIC-Mikroskopie) mit großem Abstand gewonnen.

Vorteile

Das U-Net hat viele Vorteile gegenüber anderen Bildsegmentierungsverfahren. Es ist schnell und genau und kann große Bilder in weniger als einer Sekunde segmentieren. Es verwendet keine vollständig verbundenen Schichten und kann daher auf großen Bildern angewendet werden, ohne dass die Auflösung durch die GPU-Speicher begrenzt wird.

Geschichte

Das U-Net wurde 2015 von Olaf Ronneberger, Philipp Fischer und Thomas Brox entwickelt und in dem Paper "U-Net: Convolutional Networks for Biomedical Image Segmentation" beschrieben. Es ist eine Verbesserung und Weiterentwicklung des Fully Convolutional Network (FCN) von Evan Shelhamer, Jonathan Long und Trevor Darrell aus dem Jahr 2014.

Implementierungen

Das U-Net ist in verschiedenen Programmiersprachen implementiert worden, wie z.B. Python und MATLAB. Es gibt auch viele Open-Source-Implementierungen, die auf GitHub und anderen Plattformen verfügbar sind.

Zusammenfassung

Das U-Net ist ein leistungsfähiges Konvolutionsneuronales Netzwerk für die Biomedizinische Bildsegmentierung. Es hat viele Anwendungen in der Medizin und der Biologie und ist ein wichtiger Meilenstein in der Geschichte der künstlichen Intelligenz.