使用神经网络对细胞图像进行分割 （Cell Segmentation）
2014 年，加州大学伯克利分校的 Long 等人提出全卷积网络（FCN），这使得卷积神经网络无需全连接层即可进行密集的像素预测，CNN 从而得到普及。使用这种方法可生成任意大小的图像分割图，且该方法比图像块分类法要快上许多。
U-net是基于全卷积网络拓展和修改而来。2015年Olaf Ronneberger, Philipp Fischer和Thomas Brox提出了U-net网络结构，并用于ISBI比赛中电子显微镜下细胞图像的分割，以较大的优势取得了冠军。U-net的产生极大的促进了医学图像分割的研究。
U-net的主要优点为：
- 支持少量的数据训练模型
- 通过对每个像素点进行分类，获得更高的分割准确率
- 用训练好的模型分割图像，速度快
