深度学习与医学影像
深度学习技术的发展催生了第三次人工智能浪潮，也给很多行业带来了革命性的变化。深度学习，听起来比普通机器学习要高深一些，但实际上深度学习要比传统机器学习简单。
深度学习虽然缺乏严格的理论基础，但它显著降低了机器学习应用者的门槛，为机器学习技术走向工程实践带来了便利。 —— 周志华《机器学习》
本教程以介绍深度学习为主，除了介绍机器学习的基本知识外不会涉及主要的传统机器学习算法，例如SVM、决策树、概率图模型等等。
深度学习技术的兴起离不开大数据和计算机算力的提升，数据在任何机器学习应用中都扮演着核心的角色，著名的人工智能科学家李飞飞以领导构建ImageNet数据集而知名，ImageNet挑战竞赛对推动深度学习的发展起到了十分重要的作用。因为数据的重要性，本教程也会介绍一些图像数据处理方面的知识，传统的图像算法在深度学习任务中也会有很大用武之地。
深度学习技术并不区分行业，从模型训练的角度上讲，处理所有计算机视觉的问题都会采用同样的一套方法，但是医学影像领域又有其明显的特殊性： - 样本难于获得且难于标注 - 与传统光学图片存在明显差异，很难直接复用开源的预训练成果
针对这些难点，本课程会介绍一些具体方法和研究进展。
