第003篇读书笔记：从检测到可视化，影像组学先把图像整理干净
本次阅读范围
这一篇进入第2章前半部分。它看起来是很多技术名词，但如果按“图像进入模型之前要被怎样整理”来理解，就会清楚很多。
本次覆盖 5 个一级小节，下面共有 14 个二级小节：
- 2.1 肿瘤检测：数据预处理、候选结节检测。
- 2.2 图像配准：弹性配准、无监督脑 MR 配准、无监督对抗配准。
- 2.3 肿瘤图像分割：脑肿瘤分割、肺结节分割、中心池化 CNN、全卷积网络。
- 2.4 基于知识的医学图像分割方法：融入先验信息、活动轮廓线模型、解剖学和成像知识。
- 2.5 医学数据可视化：多模态医学图像可视化、可视化工具包。
先讲背景：为什么要先处理图像
上一篇我们说，影像组学的核心是把医学图像变成可以计算的数据。
但这里有一个前提：医学图像不能直接丢给模型，然后期待它自动给出可靠答案。
原始影像里有很多现实问题。不同医院的扫描设备不一样，参数不一样，层厚和分辨率也可能不一样。同一个病人可能有 CT、MRI、PET 等不同模态图像，它们不一定天然对齐。病灶边界也常常不是一条清清楚楚的线，肿瘤可能和周围组织黏在一起，或者内部结构很不均匀。
所以在真正提取特征、建立模型之前，影像组学要先完成一串基础工作：找到目标、对齐空间、勾出边界、加入医学知识，再把结果用医生能理解的方式展示出来。
这一篇读的就是这条链。
![影像组学前处理技术链](https://mdia.yxzzj.com/assets/uploads/accounts/e519deff-8425-4c73-8c31-a1ee3f6e735d/20260705-1783229598