本文轉載自知乎，已獲作者Timmymm授權轉載。
https://zhuanlan.zhihu.com/p/151020624
前言
受疫情影響，一切人羣聚集的活動都被取消或推遲了。我們的畢業典禮原應該像以往一樣，讓人興奮、迷惘、莊嚴而又不捨，但這次卻悄無聲息。這突如其來的疫情，一直頑強蔓延至今，近期仍有大面積反彈風險。
受此影響，我的母校始終未讓畢業生一起返校，也沒有舉行畢業典禮，沒有任何形式的活動。我們只能草草收拾東西，退宿，踏入工作崗位，甚至不能和班上的同學好好道個別，更別提合拍畢業證了。
我對此一直很遺憾，總想以某種形式總結下研究生階段的經歷，紀念一下。在科研方面，我一直想總結一下，本着知識分享的精神，給大家分享一下我的研究生期間的科研經歷與經驗，發揮我的餘熱（因爲我跨行做了別的），希望對大家有所幫助，也是給自己的一個交代。
今天是端午節，先祝大家端午安康，我今天終於得空，好好總結反思一下了，以下就是正文。
這次我要分享的是研究生如何做科研--從入門到放棄。我將要分享的經驗全部來自於我的個人實踐，從我做基於深度學習的醫學圖像配準項目中總結得到的，包括從入門的選題定題、文獻調研、查找資料、編程調試、論文撰寫等各個方面。
我分享的目的呢，首先是總結一下我的研究生經歷學到的東西，消化沉澱成爲自己的；再者就是希望能幫助到後來者更快的入門，少走些彎路，多爲國家科研大業做貢獻吧。以下我將按照科研的流程進展，從各個部分展開我的總結分享。
目錄
正文
1，定題，背景調查，文獻調研
2，確定方案，準備材料
3，尋找開源項目
4，創新
5，編程實現，調試
6，寫論文
總結
開源計劃
正文
1，定題，背景調查，文獻調研
開始科研的第一步就是選題定題，這個步驟實際上在讀研開始前選導師的過程中，已經大體上劃定了範圍，或者導師已經想好了你讀研要做的課題方向。
更靈活一點的，就是導師臨時安排你做新的項目，但大體上都與你的導師的研究方向或者承擔的課題項目有關。一般情況下，導師讓你自由定題的可能性不太大，但不排除這種可能。
我的情況是保研的時候確定方向是做基於深度學習的醫學圖像處理，研一下學期才確定是做配準，而在此之前我對配準瞭解的不多也不深，雖然本科畢設也是配準。
我剛開始着手做配準的時候，基礎很差，一臉懵逼，無從下手。遇到這種情況呢，給大家推薦一個我導師教我的方法，叫文獻調研。顧名思義，就是調研一下課題相關的文獻，寫一篇文獻綜述。
在調研的過程中，解決幾個問題：你的課題具體是什麼，需要做哪些工作，以前的方法有哪些，最新的科研進展是啥，未來的發展方向是啥，具有什麼樣的意義，等等。在這個過程中，你可能需要調研很多文獻，至少20篇，包括比較早的經典論文，和最新的前沿研究論文，這樣纔可以對該領域有個大致的瞭解，對以上的幾個問題有個初步的答案。
還以我自身的經歷爲例，我剛開始接觸課題的時候，導師安排我調研一下配準最新的文獻，寫一篇綜述給他，也就是我在博客中發的這一篇文章（https://blog.csdn.net/weixin_41699811/article/details/84314070）。
我當時下載了三十篇左右論文，有很老的，也有最新發表的，有綜述類的，還有研究類的。總之就是跟課題相關的都會看一下，有些精讀，有些泛讀。前後看了有一個月左右，纔對配準項目有個大致的瞭解，知道配準的大致輪廓與理論概念。
說到文獻調研，我再簡單介紹一下怎麼查文獻。最簡單的方法當然是百度學術，谷歌學術。專業一點的就是學校圖書館網站檢索論文，知網啥的，另外還有去相關期刊網站找，如ieee xplore啥的，開源預印本論文網站arxiv.org等。
當然，還有一些非正規的網站，如sci-hub之類的。很多方法，最大的方法就是找方法，搜一下查文獻的方法。我本人最常用的兩個方法是：
一，登錄校園網或者校園vpn，使用學校圖書館的論文檢索接口，搜索需要的論文。這是因爲一般學校都會買一些常用的論文數據庫，可以免費下載；
二，在arxiv.org網站上搜索共享的論文預印本，免費、方便、論文新。
2，確定方案，準備材料
做了文獻調研，對課題的背景有了一定了解，就可以開始設計項目方案了。一般，導師給你佈置任務，年輕的導師還在科研一線，會比較清楚最新研究進展，會給你指明用什麼方法、技術做當前的課題，而年紀大點的導師一般都不太清楚最新技術了，只會給你佈置任務、督促你完成，對你實際的項目細節不大過問。
針對前一種情況，你可以跟着導師指引的方向開始研究；而後者，則需要你自己選定方案了，當然這不能絕對，靈活應對吧。我是後者，自己摸索方法，定期給導師彙報進展。
設計課題方案，就是根據你課題需要，結合最新的技術進展，設計適合你的可行性方案。我這裏想說的一點是你要注意可行性，只有可行的方案，纔有意義，不然只是空中樓閣，可望不可即。
在設計方案的時候，就要確定該方案能否實現，是否缺少什麼材料，是否有基礎？而不是項目做了一半，發現該方案不可行，缺少東西，難以實現。具體來說，要實現一個項目，你最起碼需要兩個方面的材料，數據和代碼。
巧婦難爲無米之炊，沒有數據，想法再好，也沒法實現，發不了論文。代碼就是你的基礎，而不是你要造輪子，這樣太耗費時間，如果有現成代碼，而你只需要修改，創造自己的部分就好，那能節約一大部分時間。我的經驗是，剛開始接觸一個項目太難，你需要站在巨人的肩膀上，先學習、模仿，然後是改造、創造自己的內容。
下面分享一下我的情況。我導師剛開始給我安排的課題是二維-三維的多模態配準，但是經調研分析發現，項目不可行，沒有數據，也沒有DRR(三維圖像投影成二維的)代碼，所以轉向做單模態配準。在探索研究方案的時候，我也一路試錯，花費了相當長的時間，而究其原因是我最開始沒有堅持自己的判斷，而是跟着導師安排的方向走了。
看過我那篇綜述文章的同學可能知道，我綜述的結論是使用無監督學習做配準是未來的趨勢，而導師比較相信監督學習的模型。所以我在監督學習上試驗了很久，結果都是過擬合，這與Ground Truth數據有關，數據質量差，難以學到魯棒的模型。問題一直難以解決，最後才放棄監督學習方法，轉向使用無監督學習，纔得到今天的結果。
人工智能時代，歸根結底拼的是數據與技術。數據是根本，沒有數據，就沒法實現與驗證你的想法。在做課題的時候，特別是做深度學習，數據的質量決定了你的結果上限。
在實際項目中，如果你有別人沒有的數據，你就佔有了先機，你可以做別人沒有做過而且做不了的事情，所以很好發文章，這樣的例子有很多，我的一個師兄和醫院合作，醫院提供數據，師兄搭模型跑實驗，以共同一作的身份發了好多文章，找的工作也很好。
如果你沒有數據，想發文章，就只能拼技術，使用開源的數據集，自己的方法結果比別人好，纔可以發不錯的文章。
3，尋找開源項目
無論做什麼，從零到一都是最難的。如果要做一個課題，在毫無基礎的情況下，很難順利完成課題。目前大火的開源就是基於這樣的情況，項目開源方便科研人員快速復現、對比、改進，而不是像以前一樣代碼與資料只在小範圍內緩慢傳遞。
因此，我給各位的建議就是，在開始做課題，實現想法之前，先在GitHub上搜索一下對口的開源項目，也可以在讀論文的時候着重開源了代碼的項目，結合論文一起看，懂理論，也知道實現細節，更容易上手。站在巨人的肩膀上，看得更遠。
關於配準的項目，GitHub上有很多倉庫，我認爲做得最好的、最全面的、維護的好的就是MIT的voxelmorph項目：
https://github.com/voxelmorph/voxelmorph
我自己也是參考他們的工作，進行了改進創新，做了一點工作，完成了碩士研究生的學習，有興趣的可以查看一下我的配準倉庫：
https://github.com/Timmy-Fang/Deformable-Image-Registration-Projects
另外，給各位小白或者做配準的同學推薦一個倉庫，是我們配準羣裏合作製作的一個收集配準相關內容的倉庫awesome-image-registration：
https://github.com/Awesome-Image-Registration-Organization/awesome-image-registration
包括數據集、論文、工具、課程等等。最後，GitHub上的開源倉庫是一個包庫，強力推薦各位小白多瀏覽、多檢索自己需要的內容，很可能有意外之喜。
4，創新
關於創新，我的心得是根據需要創新，而不是爲了創新而創新。剛開始讀研的時候，看了不少論文，在學校導師的催促下，我形成了一個傾向，在不接觸實際項目的情況下，一心想着怎麼創新，而沒有真實的項目環境做支撐，這就像空中樓閣一樣，不切實際。
苦思冥想一番之後，還是一無所獲。而企業的導師則傾向於實用，不求很新穎，但求實用、效果好。在他的影響下，我帶着實際項目研究過程中遇到的問題，尋找解決方法之餘，做改進與創新。在深入科研一線的情況下，會遇到各種問題，尋找解決方案本身就是創新。
5，編程實現，調試
關於編程實現與調試，我想分享兩條：
一是想實現一個功能最快的方法是先找找有沒有現成的資源，而不是最先想着怎麼去實現它。
當然，簡單的功能不在此類，對於複雜的功能，如果自己着手實現，可能會花費相當長的時間，而實際上或許已經有現成的實現可以調用。
總之還是前面的“拿來主義”，能用現成的就用現成的，把精力放在創新的自己的內容上面。當然，這樣做也是基於開源的優勢，python有很多開源庫，基本上你需要的功能都已經有人實現並開源了。
第二條是關於調試的，實現一個功能，難免會有很多bug或錯誤，這時候就需要調試驗證，把中間結果打印或者可視化出來。這一點尤其在調試一個大型項目工程的時候適用，將項目拆分成多步，逐步進行驗證，保證每一步無誤，聯調就沒問題了。因此第二條就是調試過程中將中間結果保存可視化出來，方便查找問題與分析。
6，寫論文
寫論文方面，我的心得是模仿。在學習一項技能的時候，最有效的方法就是模仿會這項技能的人或物。如果沒有接受過系統的科技論文寫作訓練，很難寫出來符合要求的規範論文，而我的經驗就是理清要投稿的會議或者期刊的要求，參考優秀的相關論文，模仿它的結構、語法、格式等，改編填上自己的內容。
模仿你的課題領域的經典論文，模仿圖表的格式與說明，模仿遣詞造句的方式，模仿文章編排範式，等等。當然，在選擇模仿對象的時候，最好排除咱們中國人發的英文論文，雖然你可能讀着很順，但那很可能是中式英語，而不是地道的美式英語；非英語母語國家的人發的論文也同理排除。
按照這種方法，我一個剛開始很怕寫不好英語論文的研究生，寫出來的論文竟然還獲得了在美國當過教授的導師的誇獎與肯定，要知道我導師是很少誇獎學生的。
總結
洋洋灑灑寫了這麼多東西，實際上以上都只是我個人的一點點經驗，或者說觀點而已，不一定客觀準確，僅供參考，希望對你有所啓發。如果有不對的地方，還請批評指正。
本着分享精神，我總算把研究生期間獲得的主要的經驗心得總結出來了，現在共享給大家，就是想對後來者或者要入門的小白給予一點點幫助。
最後，希望大家科研順利，學業順利，前途無量。我本人呢，現在也已入職崗位了，轉行做了自然圖像處理任務，這篇文章就算是我的告別吧！未來還要繼續加油！
我將本文的內容錄成了視頻，投稿到了B站，歡迎大家查看我的視頻 （https://www.bilibili.com/video/BV1jz4y1X7Je），並關注我，如果對你有幫助，別忘了給我來個一鍵三連哦~
開源計劃
最後，我的配準項目的開源計劃更新完成了，既有博客講解重要內容，又有視頻講解配準項目，以及項目代碼的GitHub倉庫，具體請看該鏈接，希望對大家有所助益，主要內容複製如下：
GitHub倉庫（Timmy-Fang/Deformable-Image-Registration-Projects）
CSDN博客 （https://blog.csdn.net/weixin_41699811 即本人的博客，建議進入我的個人主頁，查看我的全部博客）
bilibili視頻 （請關注我的B站賬號：Timmy870，歡迎大家來觀看、發彈幕、留言討論，謝謝~）
發表的論文
我投稿的兩篇會議論文也都發表出來了，有興趣的可以點擊鏈接，下載觀看，第一篇是利用基於無監督學習的非剛性配準模型在胸部X光圖像上的應用，第二篇是該模型在胸部CT圖像配準任務的應用創新實踐，文章鏈接羅列如下。
Unsupervised learning-based deformable registration of temporal chest radiographs to detect interval change
A FCN-based Unsupervised Learning Model for Deformable Chest CT Image Registration
點擊閱讀原文，可直達作者B站視頻。
END
在看，讓更多人看到
