20页综述，共计171篇参考文献。对于有监督学习方法，本文从三个方面介绍：backbone选择，网络blocks的设计以及损失函数的改进；对于弱监督学习方法，本文从数据增广，迁移学习和交互式分割来介绍。

Medical Image Segmentation Using Deep Learning: A Survey

论文：https://arxiv.org/abs/2009.13120

注：如果上述论文链接无法访问，可以看文末，论文已上传至百度云，方便下载。

深度学习已被广​​泛用于医学图像分割，并且已经发表了大量论文，记录了深度学习在该领域的成功。在本文中，我们将针对使用深度学习技术的医学图像分割进行全面的调研。本文做出了两个原创性贡献。

首先，与将医学图像分割的深度学习文献直接分为许多组并针对每组进行详细介绍的传统调查相比，我们将当前流行的文献按照从粗糙到精细的多层次结构进行分类。

其次，本文关注于有监督和弱监督的学习方法，因为许多早期调研中已经引入了无监督方法，但目前尚不流行，因此不包括无监督方法。

监督学习医学图像分割

对于监督学习方法，我们从三个方面分析文献：backbone选择，网络blocks的设计以及损失函数的改进。

弱监督学习医学图像分割

对于弱监督学习方法，我们分别根据数据增广，迁移学习和交互式分割来研究文献。

医学图像分割数据集大盘点

侃侃

与现有调研相比，该调研对文献的分类与以前大不相同，并且更方便读者理解相关原理，并引导他们考虑基于深度学习方法的医学图像分割的适当改进。强烈推荐阅读学习！

论文下载

链接：https://pan.baidu.com/s/11UA6nL5AbeClFqJ6vawgeg
提取码：cver

强烈推荐大家关注CVer知乎账号和CVer微信公众号，可以快速了解到最新优质的CV论文。

推荐阅读

ResNet还是DenseNet？即插即用的DS涨点神器来了！

综述 | 基于深度学习的端到端人脸识别技术：全面调研

TBC：共享Thinner Filters，实现更强的CNN！

综述 | 行人检测技术（从手工特征到深度学习）：全面调研

超越EfficientNets！无需注意力，也能让你的网络更快更强！

OpenCV 4.5来了！更强的SIFT，改进RANSAC算法，新增目标跟踪网络SiamRPN++

综述 | 基于深度学习的实时语义分割方法：全面调研

涨点神器！南航提出AFF：注意力特征融合

NeurIPS 2020 | 谷歌大脑提出：重新思考预训练和自训练

NeurIPS 2020 | 用于图像复原/恢复的神经稀疏表示

NeurIPS 2020 | aLRPLoss：统一目标检测中的分类和定位的平衡损失函数

CCE：具有互补交叉熵的不平衡图像分类

谷歌地标检索2020 Kaggle 第一名解决方案

ECCV AIM 2020 真实图像超分辨率挑战赛3项冠军解决方案

LVIS 实例分割挑战赛2020的第一名解决方案：好的Box不能保证好的Mask

ETH Zurich提出DPIR：具有Denoiser先验的即插即用图像恢复

综述 | 人脸图像质量评估：全面调研（2004-2020）

VarifocalNet：IoU-aware 密集目标检测器（已开源）

ECCV 2020 | NAS-DIP：通过NAS实现DIP（去噪/去雾/超分辨率/修复等）

TIP 2020 | PNEN：金字塔Non-Local增强型网络

综述 | 小样本学习：全面调研（Few-shot）

MiCo：用于半监督域自适应的Mixup联合训练

使用深度神经网络从Noisy Labels中学习：全面调研

PyTorch3D：面向3D计算机视觉的PyTorch工具箱

剪枝filter？还是剪枝layer？这是个问题

ECCV 2020 | WeightNet：重新探索Weight网络的设计空间

Mask TextSpotter v3：用于场景文字检测和识别的分割Proposal网络

ECCV 2020 | 魔鬼在细节中：车辆重识别的自监督注意力（SAVER）

ECCV 2020 | 53.5 AP！PAA：用于目标检测的IoU预测的概率Anchor分配

ECCV 2020 | 南京理工提出FPT：特征金字塔Transformer

ECCV 2020 | 长尾数据集中多标签分类的分布平衡损失

ECCV 2020 | BMask R-CNN：边界保持的Mask R-CNN

ECCV 2020 | 即插即用！PSConv：将特征金字塔压缩到紧凑的多尺度卷积层中

ECCV 2020 | STTN：用于视频修复的时空联合Transformer

ECCV 2020 | LiteFlowNet3：实现更准确的光流估计