近期对医学图像（medical image）做了一点调研，下面是一些总结：
医学图像检测与自然图像检测差别还是比较大的。自然图像的目标检测由于需要检测的类别非常多，现在的目标是更深的网络（提高目标的特征表示能力，resnet），更快的检测速度（最终需要商用，要有较好的实时性，yolo，ssd），更好的检测效果（boundbox要完全正好包住目标，locnet）；而医学图像的目标检测，由于都是针对某一个特定的类别（检测结核，肿瘤），更多的是一些细粒度类别的东西，以及更多的网络结构的trick，工程的trick。这些网络一般都不会太深。
医学图像的检测难点在于：
- 目标（如肺部结核）尺寸，形状，位置变化较大；
- 不同环境下，目标外观变化大；
- 是目标的和不是目标的外观差别小；
- 大体过程：
- 区域的分割；
- 候选区域提取（粗粒度）
- 特征提取
- 分类
浅层方法：
形状+位置+密度+梯度 多种特征的融合深度方法（trick）：
- 每个patch不同的size multi-size multi-scale
- 每个patch不同的视角 multi-view
- 融合多个网络 multi-net
- 3D卷积（更多的context信息）
