1樓：SuperLuo
補充乙個和病理影象有關的，不是影象本身，而是在處理方法上。
很多病理影象大多都是超大尺寸的（幾萬*幾萬畫素），應用CV演算法處理之前經常會縮小尺寸然後對原圖劃分patch再分別處理。但是在做專案的時候聽合作的醫生說，新來的實習生或許會這樣一點一點的細細看，但實際上這種方法既速度慢效率又低。
有經驗的大夫在檢查病理切片的時候通常是先從全域性看，覺得哪乙個區域有問題才會仔細去放大看，因為有些判斷是可以基於周圍組織的形態做出的，很多時候看到切片整體的形態就已經能判斷病症了。
2樓：摸不著頭腦
我覺得除了以上幾位答主的答案，還有以下幾點:
1，動態範圍，一般的自然影象動態範圍就是3乘255。但是醫學影象會到幾千(ct)，甚至乾脆就是浮點型資料(x光)
2，模態，醫學影象這個概念很大，包含的影象模態很多。不同模態的影象反應的資訊是不一樣的，比如ct反應出血，骨頭比較清楚，mri看軟組織更好。另外即便同一模態，成像引數不一樣也會帶來巨大的區別，比如kv的x光和mv的x光，影象質量差異巨大，但前者可以用來擺位，後者也可以進行劑量驗證，qa等。
而上述這些特性是自然影象沒有的
3，成像原理帶來的干擾，雜訊，以及偽影。對於醫學影象來說，其成像過程是與自然影象截然不同的。比如x光或者cbct，成像中必然有散射與量子雜訊的存在，重建的三維影象大多數有偽影。
這個特性是自然影象中沒有的，做深度學習網路時，還應結合其相應的成像特性進行設計。
3樓：
大致可能有如下幾點吧
（1）資料量少，標註要求高；（2）同一領域的影象既有整體結構的高度相似性，同時又有細節上的多樣性；（3）影象處理結構要求高準確性高可靠性。另外乙個，我覺得要比較醫學影象和自然影象的差異，可以考察一下人類在處理這兩種影象的時候的流程策略特徵的差異。感覺對醫學影象處理中會使用更多的統計資訊，處理過程相對於自然影象是更加複雜，需要多次反饋調整和多線索融合，要反覆斟酌，而自然影象處理過程更多是一過性的。
關於醫學影象增強的演算法？
來了 之前搞眼底影象的血管分割的時候，使用的是VesselNet，github上面有開源的演算法，可以直接呼叫。整體的效果還算可以 BugCreater 當時做這個的目的是提取出來中心線，並且求出中心線的長度。今天搞了一下午，算搞出一點點結果出來。當時上傳的圖找不到了，就貼另外乙個圖了。好了，有一些...
醫學影象技術是做什麼的？
jtwan 可以去醫院也可以去其他單位 去醫院的話，當技師。需要先考職稱再考各種大型醫療裝置上崗證。可以當放射技師 心電圖技師 B超技師等等 最常見的放射技師在醫院裡為患者拍片 打片，但不能參與診斷。心電技師也就是每天是個做常規心電圖和佩戴動態心電圖動態血壓跑跑床旁的活，特別苦逼還不可診斷和做hol...
是否有好的傳統的醫學影象增強方法
賈敘寒 首先，感謝前面兩位學者對本問題的解答。我嘗試了兩位學者說的方法，但是對於本次大作業而言，效果並不是很好。這次作業結束了，總結下自己嘗試過的方法。對比實驗 直方圖均衡 Ahe CLAHE 主方法一 混合空間增強。在剛薩雷斯的數字影象處理中有講述，在此不做贅述。主方法二 USM 非銳化掩膜。可參...