医学图像处理——入门篇（一）

 入职了一家生物智能科技公司的算法岗，主要的工作内容是医学图像处理及分析，对我来说这是一个全新的领域，之前没有接触过，不过大致使用的手段还是离不开cv、分割、检测、去噪、增强、三维重建。写几篇文章记录自己的学习过程，和大家一起进步!

引言

其实 医学图像 这个概念范围很大，跟医学相关的都可以称为医学图像。

目前主流的还是CT、核磁共振、X光、超声，他们也可以被称为医学影像。

我这个公司做的是比较小众的 显微图像，称为数字病理切片（Whole Slide Image，WSI）。

WSI主要是的细胞层次的图像，一张WSI图像一般很大，有几万像素×几万像素那么大。

不过 深度学习确实火，现在也都在不断的尝试使用深度学习解决问题。

总的来说，使用深度学习处理图像，无非就是目标检测、图像分割、图像分类、图像增强等常见的任务。评价指标也都可以通用，当然也要具体问题具体分析。

言归正传，下面我们开始一步步的学习使用深度学习处理医学图像。

第一步，从装环境开始。

• 习惯使用pycharm，官网下载 或者 找个破解版，专业版和社区版的功能差别还是挺大的。
• Anaconda 官网下载，安装教程度娘一堆堆。
• 建议创建一个虚拟环境，不同的项目可能需要不同的版本，不过麻烦的是每个项目开始的时候都要装一遍环境。
• 使用的开发环境是 pytorch1.8+cuda10.2，直接pip的前辈们下载好的whl本地文件，可以根据自己的需求安装适合的版本。
• 装opencv、openslide等一些常用的库，都可以直接用清华的镜像装。安装openslide的时候遇到了不少问题，解决方法 请移步。

---

题外话，送给那些担心自己没有医学知识的小伙伴。

一开始，我心里也一直担心，我没有专业的医学知识，只有基础的计算机视觉知识储备，能不能做好这份工作。来了以后才发现我的担心是多余的，其实对刚入门的我们来说，和公开数据集上的分割、检测是一样的，只不过换了数据集而已，但数据集很小且不平衡。公司的哥哥姐姐也会引导你，从医学角度科普一些需要检测目标的知识，比如红粒细胞的区别、病变的种类。所以想学习医学图像领域的小伙伴们也不用太过担心没有医学知识对自己的困扰，用到的医学知识很少很少。当然，以后要做的深，做的精，医学知识还是必不可少的，这都是可以通过经验积累的。