深度學習在醫學影像的三大類專案應用
醫學影像的分類
醫學影像的檢測
醫學影像的分割
關於資料方面的補充
深度學習在醫學影像的應用專案目前主要幾種在三個方面：分類、檢測和分割。下面我就我所接觸的這三個方面所用的一些方法以及一些經驗進行闡述
醫學影像的分類
常見的應用場景就是分類有沒有某一類疾病？比如通過胸片判斷該胸片是否有塵肺，等一系胸部疾病。最熱門的就是大佬吳恩達曾經發布了乙個大型資料集，14類胸部疾病的分類資料集chestx-ray14。
關於網路，在分類方面，如果視訊記憶體等方面壓力不大的情況下，可以主推inception v3。
醫學影像的檢測
常見的檢測類專案就是，疾病在**？比如醫學界ai入門專案，肺結節檢測。就是檢測肺部**有結節。公開資料集也很多，曾經阿里舉辦過天池大賽、以及kaggle、luna16等。
關於演算法，肺結節檢測屬於ct專案，也即3d資料，需要用三維資訊，前後資訊具有關聯性。因此可能需要採用三維網路，也可以先二維再三維。推薦乙個好的專案方案。其實公開的資料很多，只要肯動手。
關於網路方面，目標檢測類可以學習r-cnn系列和yolo、sdd系列。現在最新的一些演算法也基本上是在這兩大系列上改進創新的。
醫學影像的分割
分割專案多應用在器官的分割，比如心臟分割、腎臟分割、肝臟分割以及腦分割，這些器官類的分割，都一些公開的比賽。這些專案多集中在ct和mr這種3d資料。
所用網路也基本上是基於unet進行的改進，unet算是醫學影像分割網路的鼻祖。
對於三維資料，所以網路一般用基於unet的3d網路。分享乙個好的知乎文：影象分割的u-net系列方法
關於資料方面的補充
對醫學影像感興趣的夥伴，可以關注grand challenges**，上面收集了超全的比賽，可以註冊參賽、獲取資料、跟著大佬打怪等。
醫學影像有效部分的提取
匯入需要用的模組 import itk from scipy import ndimage as ndi from skimage.segmentation import clear border from skimage.measure import label,regionprops from ...
AI 醫學影像的現狀 機遇與挑戰
王立威 有三個領域會與深度學習進行緊密的結合 乙個是無人駕駛 乙個是金融領域 再乙個則是醫學領域。無人駕駛在計算機視覺的識別技術已經趨於成熟，具備可以與機器學習進行深入結合的條件，但作為乙個與汽車實體緊密相關的應用方向，在高校內做研究的空間相對受限 此外，駕駛作為一種動態活動，相對於靜態影象識別的難...
DCM醫學影像檔案的格式與讀取方法分享
醫學影像dcm是個類似png的分塊格式，內涵豐富醫療資訊，由於應用領域較窄，opencv沒有提供對其載入支援，一般採用dcmtk庫進行載入。博主本著研究探索的精神寫了這段 並分享出來，提供了解析dcm的dib資料 寬高 窗寬窗位 畫素間距的功能，支援反色dcm。輸入 檔名 輸出 寬高 窗寬窗位 畫素...