小目标的图像语义分割，有什么解决类别不平衡的方法吗？ 最近在做项目的时候，涉及到了小目标的图像语义分割，一张图象中往往只有一个目标，且目标占图像…
医学图像分割如何入门？ https：//www. jetbrains.com/pycharm/ Anaconda（装包神器）：严格来讲，Anaconda并不属于IDE，它是集成有。https：//www.zhihu.com/question/3043 34959/answer/553782865 。
医学图像分析的理论 医学图像的感兴趣区分割研究，是医学图像分析中最重要的基础，准确、鲁棒和快速的图像分割，是定量分析、三维可视化等后续环节之前的最重要步骤，也为图像引导手术、放疗计划和治疗评估等重要临床应用奠定了最根本的基础。早期医学图像分割研究，主要是直接应用图像处理的经典方法，如边界提取和基于灰度的区域增长算法等。后来开始针对不同的解剖位置和成像模态，设计基于成像设备、成像参数和解剖结构等先验知识的专用图像分析算法，如利用多参数的MR图像、决策树和统计聚类技术来分割脑组织的白质和灰质。随着图像分析和计算机视觉理论方法的不断丰富，医学图像感兴趣区分割也出现了很多新突破。参数动态轮廓线模型，(active contour model)开创性地提出了高层模型指导、底层图像特征驱动的图像分割思想，通过最小化模型的内外部能量得到分割结果，在随后20多年中得到研究者的广泛关注和不断发展。动态表现模型(active appearance model)，动态形状模型(active shape model)都是这一类的代表方法。Osher和Sethian提出的水平集(1evel set)方法，利用数值方法模拟各种曲面演化，后来作为一种数值模拟和分析的方法，被广泛运用于曲线或曲面的运动跟踪，在医学图像。
