U-Net – architektura sieci popularna w segmentacji obrazów medycznych.

To architektura głębokiej sieci konwolucyjnej opracowana z myślą o zadaniach segmentacji obrazów, szczególnie w dziedzinie obrazowania medycznego. Charakterystyczną cechą tej architektury jest kształt przypominający literę U, wynikający z symetrycznej budowy złożonej z części kontrakcyjnej (zwężającej) oraz ekspansyjnej (rozszerzającej). Etap kontrakcji odpowiada za ekstrakcję cech oraz redukcję wymiarów przestrzennych obrazu, natomiast etap ekspansji umożliwia rekonstrukcję segmentacji o wysokiej rozdzielczości dzięki połączeniom skip connection, które łączą odpowiadające sobie warstwy obu części.

W praktyce model ten cechuje się wysoką skutecznością przy niewielkiej liczbie dostępnych danych treningowych, co jest szczególnie istotne w medycynie, gdzie dostęp do dużych zestawów anotowanych obrazów jest często ograniczony. Architektura umożliwia precyzyjną lokalizację obiektów na obrazach, co czyni ją idealnym narzędziem do segmentacji tkanek, narządów czy zmian patologicznych na różnego rodzaju obrazach diagnostycznych, takich jak tomografia komputerowa, rezonans magnetyczny czy obrazowanie ultradźwiękowe.

Od momentu swojego powstania, jest szeroko wykorzystywana nie tylko w medycynie, lecz także w innych obszarach analizy obrazu, gdzie potrzebna jest dokładna segmentacja. Liczne modyfikacje i warianty architektury pozwalają na adaptację do różnych typów danych oraz specyficznych zadań, co czyni ją jednym z fundamentów współczesnego przetwarzania obrazów z wykorzystaniem głębokich sieci neuronowych.