- 2018 年6月份 的文章：
运用人工智能去解决以下问题：1.肿瘤探测。比如皮肤色素瘤，乳腺癌，肺部癌变的早期识别。2.肿瘤发展追踪。人工智能可以根据器官组织的分布，预测出肿瘤扩散到不同部位的概率，并能从图片中获取癌变组织的形状，位置，浓度等等。**3.血液量化与可视化。**通过核磁共振图像，人工智能可以更有效地再现心脏内部血液的流量变化，并且探测心脏病变。4.病理解读。由于不同医生对于同一张图片的理解不同，人工智能可以被训练用于解读图片，并向医生提供较为全面的报告，使医生可以了解到多种不同的病理可能性。5.糖尿病视网膜病变检测。由糖尿病导致的视网膜病变是失明的一大主因，而早期治疗可以有效减缓这一症状。人工智能可以辨认出处于早期的患者，并能根据图片像素判断病情的发展程度。
https://zhuanlan.zhihu.com/p/27568550
https://cs.adelaide.edu.au/~dlmia2/DG_talk.pdf
这篇中涉及到比较专业的关于CT 和MRI的 待看https://ai.googleblog.com/2018/10/applying-deep-learning-to-metastatic.html
google AI blog 待看
https://www.healthcare.siemens.com/news/mso-dossier-ai.html
这个blog也是关于医学诊断前景的 可以看
Feb.15
paper reading :
An overview of deep learning in medical imaging focusing on MRI
本文中和我之前研究相关的内容， 主要也是image denosing and image restoration, 还有image super-resolution, 这两部分我之后会继续看相关的论文进行深度研究。
同时在医学上的应用方面，image segmentation 也是比较重要的方面，这部分可以和学医的同学讨论。
image retrieval 也是很重要的一方面，主要和管理医学数据库，以及借助之前的数据做推断有关系。
该篇论文中还给了很多可以参考的医学图像的资料库，以及github上相关的网址。可以参考。