ImageNet和CNN可以帮助医学图像的识别吗?

从ImageNet和CNN说起

图像的分类和识别一直是计算机视觉的热门研究领域，在医学图像领域，很多方法也都是从计算机视觉领域借鉴过来的，而计算机视觉的许多方法又离不开机器学习和人工智能的基础。

在典型的图像分类和识别问题中，通常有两个重要的步骤，一个是特征提取，常见的有GLCM, HOG, LBP, Haar Wavelet, 一个是分类器， 例如SVM, Random Forest, Neuron Network等。特征提取过程中通常是人工选取某些特征，但是难以确定这些特征是否真正准确地描述了不同类别的差异，怎样才能得到最好的特征呢？

于是卷积神经网络应运而生。其思想是通过一些卷积层的参数来描述特征，这些参数的值不是人工设定，而是通过大量的训练数据通过训练自动得到。再配合传统的Neuron Network可以同时训练特征的参数和分类器的参数。这就是卷积神经网络（Convolution Neuron Network, CNN）。下图简要归纳了它的结构与传统Neuron Network的联系与区别。

CNN的成功主要起源于它在ImageNet大规模视觉识别挑战赛（ILSVRC）上的成就。ImageNet是一个斯坦福大学Fei-fei Li教授发起的图像数据库，包含120万以上的训练数据和1000种不同的类别，其识别一直比较困难，直到2012年AlexNet的提出，从此以后几乎每年ILSVRC的赢家都使用了CNN，相比以往的方法大幅提高了识别的准确率。

CNN在ImageNet上的成功源于三个主要因素：一是大规模的训练数据。二是更为复杂的模型（CNN）。网络结构更加复杂，更深，参数更多。三是GPU对计算的加速，使以往需要数周的训练过程只需一天甚至数小时以内就可以完成。