为了帮助临床医生做出准确的诊断，有必要分割医学图像中的一些关键对象，并从分割后的区域中提取特征。
早期的医学图像分割方法往往依赖于边缘检测、模板匹配技术、统计形状模型、主动轮廓和机器学习。
虽然已经报道了大量的方法，并且在某些情况下是成功的，但由于特征表示的困难，图像分割仍然是计算机视觉领域最具挑战性的课题之一。
特别是，从医学图像中提取鉴别特征比正常的RGB图像更困难，因为医学图像往往存在模糊、噪声、低对比度等问题。
由于深度学习技术[18]的快速发展，医学图像分割将不再需要手工制作的特征和卷积神经网络(CNN)，成功地实现了图像的层次特征表示，从而成为图像处理和计算机视觉中最热门的研究课题。
由于用于特征学习的cnn对图像噪声、模糊、对比度等不敏感，它们为医学图像提供了很好的分割结果。