摘要 许多医学图像分割的SOTA模型都是UNet网络和FCN网络的变体。尽管这些模型十分成功，但仍然有两个限制：（1）这些模型的最佳深度是先验未知的（即网络深度是无法预知的超参数），需要广泛的架构搜索或者不同深度模型的低效集成；（2）这些模型的跳跃连接强制实行不必要的限制性融合框架，仅在编码器和解码器子网络中相同尺度的特征图上强制进行聚合。为了克服这两个限制，文章提出了UNet++模型，一种新的