U-Net vs. 传统CNN：为什么医学图像分割需要跳过连接？医学图像分割是医学影像分析中的⼀项关键技术，它旨在将图像中的不同组织、器官或病变区域精确地分离出来。这项技术对于疾病诊断、治疗规划和预后评估具有不可估量的价值。然⽽，医学图像的复杂性和多样性，以及对分割精度极⾼的要求，使得这项任务充满挑战。在深度学习兴起之前，传统的图像分割⽅法往往难以满⾜临床需求。随着卷积神经⽹络（CNN）的出现，图像识别领域取得了突破性进展，但传统CNN在像素级图像分割任务中仍存在局限性。为了解决传统CNN在医学图像分割领域的局限性，U-Net应运⽽⽣。本⽂将深⼊探讨U-Net这⼀专为