深度学习在神经影像中的应用

书籍：
周志华《机器学习》（机器学习西瓜书）
链接：https://pan.baidu.com/s/1HSwX_TklnWkbwrUVWvjXDQ
提取码：y4j2
《机器学习》南瓜书，包含西瓜书里面的公式推导。
链接：https://pan.baidu.com/s/1IGXAprF9xVyUrs0QwmK4GQ
提取码：e60i
GoodFellow《DeepLearning》
链接：https://pan.baidu.com/s/1KCZpUY7-TCuu9REdE-zhlw
提取码：aukp
《神经网络与深度学习》
链接：https://pan.baidu.com/s/1IhbXmGaU9LXjvrfL2dYddA
提取码：kktq
《深度神经网络模型分析在实践中的应用》
链接：https://pan.baidu.com/s/1iErI3oqSHLm2lZinj9EmHg
提取码：xesd
《深度学习基础教程》
链接：https://pan.baidu.com/s/1EzQ53WoazBdoedKQ-edtTw
提取码：7i0j

网站：
《动手学深度学习》
优点：网站分章节讲述，提供源代码。
http://zh.gluon.ai/index.html

Nilearn:
一个基于python的神经影像处理包，里面包含很多提供统计分析和机器学习工具。
https://nilearn.github.io/stable/auto_examples/index.html

谷歌Colaboratory：
Nilearn需要python环境，没有安装python的话，可以用谷歌云端硬盘提供的在线python编辑器跑程序，比较方便。
https://colab.research.google.com/drive/

Papers with Code
检索网站，可以根据关键词搜索到包含代码的论文。
https://paperswithcode.com/search?q_meta=&q_type=&q=medical+imaging

Distill：
一个讲解机器学习论文的平台。
https://distill.pub/

一些github上的项目：
人工智能开源项目，数据分析+机器学习实战：
https://github.com/apachecn/AiLearning
计算机视觉/深度学习/机器学习相关方向的论文：
https://github.com/amusi/daily-paper-computer-vision
机器学习资源合集：
https://github.com/jobbole/awesome-machine-learning-cn
深度学习论文阅读路线图：
https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap

视频教程：
吴恩达机器学习课程：
从基础讲起。
https://www.bilibili.com/video/BV164411b7dx/
配套笔记：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes
李宏毅机器学习课程：
深度学习讲的多一些。
https://www.bilibili.com/video/BV1Wv411h7kN/
配套笔记: https://github.com/Fafa-DL/Lhy_Machine_Learning
李飞飞计算机视觉公开课：
主要是图像处理方面。
http://cs231n.stanford.edu/

Python学习：
深度学习很多是基于python的库或者模块运行的，下面是一些python教程：
廖雪峰python教程
链接: https://www.liaoxuefeng.com/wiki/1016959663602400
廖雪峰是一位python工程师,前面几章讲python安装很详细,里面包含不少demo.
莫烦Python
链接: https://mofanpy.com/tutorials/python-basic/
b站上面还有他的机器学习视频,每集3分钟左右,方便快捷.
python在线手册
链接：http://docs.pythontab.com
相当于一个manual,也就是说明书,平时可以不用看,有用到的时候再去里面查找.
菜鸟教程
链接: http://www.runoob.com/python/python-tutorial.html
里面各种语言教程和用法都有,是一个合集网站.

公开数据集：
HCP：
人脑连接组项目，结构和功能像数据，1000多例。
地址：http://www.humanconnectomeproject.org/

OpenNEURO：
有MRI和PET数据，557例。
地址：www.openneuro.org

OpenfMRI：
包含95例fMRI数据。
地址：www.openfmri.org

ADHD儿童影像数据：
fMRI和ASL数据，68例。
地址：http://fcon_1000.projects.nitrc.org/indi/retro/CUNMET.html

疼痛数据：
慢性腰痛患者的fMRI数据，34例。
地址：https://openpain.org/index.html

深度学习比赛论坛：
用途：在上面注册以后就可以下载到里面提供的用于参赛的公开数据集。
Kaggle
https://www.kaggle.com/
天池
https://tianchi.aliyun.com/
FlyAI
https://www.flyai.com/

论文：
机器学习在医学影像的应用主要可以分为几个方面：
（1）分类
1.《DeepLung: Deep 3D Dual Path Nets for Automated Pulmonary Nodule Detection and Classification》2018
采用深度学习的方法进行结节检测和分类，结节检测确定病灶位置，再分类成良性或者恶性。
论文地址：https://arxiv.org/abs/1801.09555
2.《Deep multi-instance networks with sparse label assignment for whole mammogram classification》-2017年
论文地址：https://arxiv.org/abs/1703.03020
基于深度学习的医学影像乳腺癌分类。
3.《Spectral Graph Convolutions for Population-based Disease Prediction》-2017年
利用影像进行疾病预测，利用图神经网络，预测MCI向AD的转换。
论文地址：https://arxiv.org/abs/1702.05941
4.《Dermatologist-level classification of skin cancer with deep neural networks》-2017年
皮肤癌影像分类，区分细胞癌与良性角化病，以及区分恶性黑素瘤与良性痣。
论文地址：https://www.nature.com/articles/nature21056
5.《SurvivalNet: Predicting patient survival from diffusion weighted magnetic resonance images using cascaded fully convolutional and 3D convolutional neural networks》-2017年
利用医学影像评估肝细胞癌的恶性程度。
论文地址：https://arxiv.org/abs/1702.05941

（2）分割
1.《U-net: Convolutional networks for biomedical image segmentation》-2015年
利用U-Net分割模型对神经元结构进行分割。
论文地址：https://arxiv.org/abs/1505.04597
2.《Efficient multi-scale 3D CNN with fully connected CRF for accurate brain lesion segmentation》-2016年
利用三维卷积神经网络分割脑病灶。
论文地址：https://arxiv.org/abs/1603.05959
3.《Automatic Liver and Lesion Segmentation in CT Using Cascaded Fully Convolutional Neural Networks and 3D Conditional Random Fields》-2016年
利用CT成像分割肝脏及病变部位。
4.《Deep Learning for Brain MRI Segmentation:State of Art and Future Directions》-2017年
利用深度学习分割脑解剖结构以及脑损伤病灶。
论文地址：https://www.ncbi.nlm.nih.gov/pubmed/28577131
5.《Adversarial Deep Structured Nets for Mass Segmentation from Mammograms》-2018年
利用深度学习分割乳腺。
论文地址：https://arxiv.org/abs/1710.09288
6.《Unsupervised domain adaptation in brain lesion segmentation with adversarial networks》-2017年
利用无监督机器学习的方法来分割脑损伤病灶。
论文地址：https://arxiv.org/abs/1612.08894

其他资源：
零基础入门影像组学与人工智能
链接：https://pan.baidu.com/s/1XA0NjB-PAD1sZGJPX9Jg8w
提取码：30p8
U-Net分割实战：
链接：https://pan.baidu.com/s/1yKNj1rrFqWVeRGzUcofa8g
提取码：hhvo
深度学习论文阅读路线
链接：https://pan.baidu.com/s/1EiaPt3UYwe_DqpRCOeL7Mg
提取码：jwf4
深度学习在生物医学影像分析的应用
链接：https://pan.baidu.com/s/1txbsRaievMnIxTP3binqOg
提取码：9srt