生物医学影像和机器学习

什么是生物医学影像分析？为什么需要这种分析？
生物医学影像是在不同尺度（即微观、宏观等）下对人体进行的测量。它们具有多种成像模式（如 CT 扫描仪、超声机等）并测量人体的物理特性（如放射强度、对 X 射线的不透明度）。这些影像由临床任务（如诊断）的领域专家（如放射科医师）解释并对医生的决策具有重大影响。
生物医学影像通常为体积影像 (3D)，有时还会加上时间维度 (4D) 和/或多个通道 (4-5D)（如多序列 MR 影像）。生物医学影像中的差异与自然影像（如照片）中的差异完全不同，因为临床方案的目的是对影像的采集方式进行分层（例如，患者平躺、头部保持正直，等等）。在影像分析过程中，我们的目标是发现细微差异（即一些小区域表明发现异常）。
为什么采用计算机视觉和机器学习？
长期以来，计算机视觉方法一直用于自动分析生物医学影像。近年来，随着深度学习的出现，许多其他机器学习方法被取代，因为深度学习免去了创建手工工程特征的必要，从过程中消除了一个关键的误差来源。此外，完全采用 GPU 加速的网络可以实现快速推断，让分析的数据量得到前所未有的增加（例如，10⁶ 个受试者影像）。