详细内容或原文请订阅后点击阅览
医学成像中的深度学习 - 使用 PyTorch 进行 3D 医学图像分割
介绍了张量表示的基本 MRI 基础，以及应用深度学习方法处理特定任务问题（类别不平衡、数据有限）的基本组件。此外，我们还介绍了开源医学图像分割库的一些功能。最后，我们讨论了我们的初步实验结果并提供了查找医学影像数据的来源。
来源:AI夏令营深度学习与医学成像
深度网络在计算机视觉领域的兴起，为传统图像处理技术表现不佳的问题提供了最先进的解决方案。在图像识别的广义任务中，包括对象检测、图像分类和分割、活动识别、光流和姿势估计等问题，我们可以很容易地声称 DNN（深度神经网络）已经取得了卓越的表现。
随着计算机视觉的兴起，人们对其在医学成像领域的应用产生了浓厚的兴趣。尽管医学成像数据不那么容易获得，但 DNN 似乎是建模这种复杂和高维数据的理想候选者。
医学成像 理想候选人最近，伦敦帝国理工学院开设了一门关于 COVID-19 的课程。许多研究已经尝试通过深度网络从 3D CT 扫描中自动检测 COVID-19。尽管如此，特定应用的数据仍然不可用，但很明显，人工智能将通过医学成像极大地影响医学的发展。
关于 COVID-19 的课程正如我们将看到的，医学图像通常是三维或四维的。该领域受到广泛关注的另一个原因是它对人类生活的直接影响。在美国，医疗失误是继心脏病和癌症之后的第三大死亡原因。因此，很明显，人类死亡的前三大原因与医学成像有关。这就是为什么估计到 2023 年，医学成像中的人工智能和深度学习将创造一个超过 10 亿美元的全新市场。
美国癌症 到 2023 年超过 10 亿美元 深度神经网络和医学成像本文介绍了正在开发的开源库 MedicalZoo 的一些初步结果，可在此处找到。
开源库 MedicalZoo 这里 医学人工智能 aisummer35