医学图像分割技术-学习心得体会

经过了将近一学期，时不时的进行这部分的学习，简单说一下感受以及提出一些学习习惯方便日后监督自己。

首先，医学图像分割是个庞大的树林，目前接触最多的、较为简单的是unet网络模型，正如名字所描述的u形，通过下采样在上采样，不断提取特征、融合特征，使得“标签”更加精准，其中有部分缺点：边缘信息不太被关注、远距离提取特征不友好，这些是我在实践之后，实实在在理解到的。

其次，unet网络模型已经问世六七年了，这期间，又有许许多多方法与其融合，比如以attetion为首的注意力蒸馏、自注意力机制（Transformer）、交叉注意力机制（空间交叉、通道交叉等），去年非常受关注的swin-transformer，最近又兴起bedl（没拼对）等等，如雨后春笋层出不穷，有些子学习疲劳。我在认识他们的过程中通过b站视频、csdn、chatgpt等等，学习了很长时间，只能是看懂结构，许多代码具体内涵还是无法和原理联系起来，这是一个漫长的过程。

最后，代码一日不看都会出事。目前，图像识别处理在人工智能技术领域占据一席之地，属于浪尖上的浪尖，这也只是用字母处理多模态数据中的一部分，若有热爱，定能坚持，克服万难。

我们共勉！