1樓：Feynman
雖然問題是「醫學影象分割如何入門」，但實際上作為還未入門科研的同學，題主首先要解決的是「研究生如何開始課題「的問題，然後才回到「醫學影象分割」如何入門。
小海cosea：如何做研究？ 一期一分享：學術科研簡要總結一下：
閱讀綜述，了解領域問題和主流方法；
精讀文獻，了解方法細節；
結合領域問題，思考現有方法的改進之處；
結合問題，思考是否有更簡潔/統一的解決方法。
到了這一步，基本上也就解決「研究生如何開始課題」的問題了。
上面基本上回答完問題了。最後再多說一句，科研呢還是要有主動性，等著導師告訴你答案就太晚了。自己多看，多思考，多動手，多交流，再過兩年，你自己也知道該如何去做了。
2樓：
1、老岡的影象處理第九章；2、李航老師的統計機器學習和周志華的機器學習；3、Deep Learning英文書；4、史丹福大學的cs231n；5、從U-Net和FCN開始的經典分割模型，直到最新模型；6、關注醫學影象方面的比賽，從Kaggle和Grand Challenge獲取資訊；7、加入QQ群：智慧型醫學影像處理（428014259）。
醫學影象分割研究生，想放棄了咋辦 ？
因為這本就是乙個無聊又沒有意義的方向。你當時選這個只是因為認為門檻低 好水文章，門檻確實低，但是文章也不好水，所以你想放棄了。所以放棄吧，這東西本來就沒有積累可言。 範沅 該放棄就放棄。有啥顯示卡，多少算力，各種資料集本身玩玩都很吃資源。看描述，怕不是導師和實驗室也就是半路出家蹭熱點搞深度學習。開源...
Unet神經網路為什麼會在醫學影象分割表現好？
jacob benseal 對醫學影象不太懂，但跨層鏈結會對小感受野有更好的特徵提取效果吧。對ocr分割效果也不錯，ocr中的實體都比較小，可能醫學影象也這樣吧 日本寶刀 U net這東西我用過兩次，一次是用fcn做saliency detection，他的特別之處在於結合低層特徵和高層特徵，讓網路...
大佬們，我剛開始接觸影象分割，對於影象分割深度學習這塊一頭霧水，可以給出乙個從零開始學習的路線嗎？
陳小小 2d的分割主要是2d級別的影象分割，這裡面根據資料來源的種類會劃分成很多種，包括自然影象 類似於coco voc pascal 城市道路影象 類似cityscape 醫學影像 衛星或遙感影象 水下影象 工業器件影象等。根據資料來源的特點，結合領域知識，分割技術也各自有側重。2.5d分割主要指...