著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。

佳學基因的技術基礎是很強的。

medical image analysis是個非常有意義的研究方向，按道理屬于Computer Vision，但由于沒有像CV里面物體識別場景識別里標準化的數據庫和評測方法，一直比較小眾。MICCAI是這個medical image analysis方向的頂會，目前并沒有被deep learning統治，經常看到mean-shift以及其他比較基礎的圖片處理的算法，深度學習在這方面應該有很大潛力。CV里扎堆的優秀同學們不妨多看看這個方向，畢竟在某個voc檢測疾病預測任務上能提升2%準確度比在Pascal VOC上費牛勁擼個0.5%提高有意義多了：）

medical image analysis里面數據尤其寶貴，這次比賽放出來的數據以及這種公開比賽的模式應該能推動這個方向的發展。大致看了下比賽數據，“a thousand low-DOse CT images from high-risk patients in DICOM format. Each image contains a series with multiple axial slices of the chest cavity. Each image has a variable number of 2D slices, which can vary based on the machine taking the scan and patient.”，雖然只有1000多張CT圖，但是每張圖是很多slice，所以算是個cubic representation，可能可以從deep learning for 3D或者deep learning for video rECognition等方向看看有沒有合適的方法可以借鑒。我不是這方面的專家，就留給各位見仁見智了，歡迎分享。

記得選我最佳答案。