《深度学习与医学图像处理》阅读心得1

kkompp

《深度学习与医学图像处理》阅读心得1 [复制链接]

       首先感谢论坛，让我能够有机会参与《深度学习与医学图像处理》阅读，衷心感谢论坛。

 

       一 初印象

            书的封面长这个样子

      书是人民邮电出版社出版，作者由五位专家编著。序由首都医科大学附属北京天坛医院王院长撰写，彰显本书的专业性。五位作者中三位是计算机科学家，两位是医学专家，保证了本书内容紧密结合实际。

       书中使用的编程语言是常规Python深度学习为主，如Python，Numpy，TensorFlow，Matplotlib，Sciki等，pydicom，elasticdeform与simpletk似乎在以往深度学习应用中比较少见。也许是本人孤陋寡闻了，说的不到之处，请谅解。

 

   二  本书内容

         本书是一本人工智能在医学影像领域应用的专业书籍。众所周知，现代医院的医生进行病情诊断主要依赖的就是各种仪器的检测指标，如我们在医院检查会做的心电图，x射线图，ct，核磁共振等图像，医生根据图像的特性与正常图像的不同进行诊断分析。这构成了当前医院诊断病例的主要内容。本书则是帮助医生进行诊断，通过深度学习，对医学图像进行学习分析，得出病理特征，并给出诊断结果。

         全书共分为10个章节：

        第一章主要是介绍人工智能在医学图像上的应用，属于概览类，基本上了解即可；

       第二章是医疗相关数据介绍，包括x线成像，核磁成像，超声成像，心电图等医院使用的各种通过仪器生成的图像，这个构成深度学习的基础；这些图像用不同的格式表示，区别于我们常见的jpg等图像，而是医学专用的影像格式

       第三章是在第二章的基础上，进行数据标注，这个由一个专门的软件，3D Slicer，这个软件对第二章提到的各种格式的医学数据进行分割重建等处理，可以理解为数据预处理。

      第四章是医学数字图像处理，这个就是脱离医学专业的纯粹图像处理了，如插值，数据归一化等，数据增强用到了TensorFlow的方法。

      从第五章到第十章就是医学图像处理与模型学习优化了，比如语义分割，关键点检测，医学图像配准，模型优化，迁移学习，这部分的内容是需要下功夫深入研究的，这个是本书的价值所在。

 

三 第一章的学习：人工智能在医学领域的应用

       第一章是一个概述，主要讲人工智能的介绍，机器学习的介绍。机器学习是一门交叉学科，其实是一门交叉数学，涉及到概率，统计，凸优化等多门学科，由于其数学属性，构成了一定的入门门槛。这里也提到了Agent这个概念，关于agent的研究学界已经有了很多成果，每个机器学习的主机都是一个agent。

       人工智能在医学领域中的应用更多的体现在辅助医学诊断。至于临床治疗与疾病预测由于监测图像的专业性，个人认为目前还不成熟。

      人工智能在医学领域的应用包括：医学图像采集与重建、图像变换、病灶区域检测分割与智能诊断，这几项内容都是深度学习最擅长的，只不过这里的应用场景是医学图像分析。

      本书在每个章节后列了参考资料，这也是学院派科学家喜欢的做法，我们看到第一章列的参考资料有43篇，大部分是发表在国外文献上，其中不乏编著者自己的文章。可见编著者专业知识的积累。

 

四 小结 

        本书还有一个有趣的地方，就是书中图像是彩色的，章节目录是蓝色的，说明排版时候的认真负责，也显示了一定的专业性，非常有趣。

        接下来就需要对书的内容抽丝剥茧，深入学习，争取能够进入医学图像处理的大门。