B站有很多很棒的资源，但是如何快速找到合适自己水平的资源是一件不容易的事情。本文整了入门医学影像研究的部分资料，希望能为刚入门的小伙伴提供一些帮助。
初步入门
-
机器学习（深度学习）基础知识 -
python、pytorch基础 -
医学影像基础
李宏毅 2021年机器学习
李老师讲的机器学习非常浅显易懂，没有什么特别好的数学背景的同学也可以轻松入门,对算法推导有良好的剖析。国语版本，对英语不是很好的同学也会比较友好。2021年的课程不仅包含了机器学习的基础知识，还有自注意力，transformer，GAN，Domain Adaptation，Explainable AI等比较新颖的内容，课程配套有完整的作业。
B站视频链接：https://www.bilibili.com/video/BV11K4y1S7AD
课程链接：https://speech.ee.ntu.edu.tw/~hylee/ml/2021-spring.html
【非广告】推一波飞桨，可以直接在上面跑李老师的作业，免去无服务器烦恼，但是要用他们的库，不过和pytorch也是比较相似的。飞桨上课程是2020版本，B站上是2021。区别在于有transformer等更新，但是基础部分的知识是一致的。
视频链接：https://aistudio.baidu.com/aistudio/course/introduce/1978
python入门
小甲鱼：https://www.bilibili.com/video/BV1xs411Q799
廖雪峰：https://www.liaoxuefeng.com/wiki/1016959663602400
李沐 动手学深度学习-pytorch 2021版
李沐是微软的大神，出过《动手学习深度学习》一书，是深度学习的那本花书的实践版。今年对内容进行了更新，用pytorch进行了实现。
视频链接：https://www.bilibili.com/video/BV1Fb4y1D7Jt?from=search&seid=15716325767030687234
教程官网：http://zh.d2l.ai/
中山大学医学影像
这个听前面的10讲就可以，对成像原理有个大概的了解。非常古早的课程，但是讲解很清晰。（一直在寻找新一点的影像学，希望小伙伴推荐）https://www.bilibili.com/video/BV1Gr4y1K7K8
进一步探索
在有了一定的基础知识之后，论文阅读和项目实现是接下来主要的任务。
一般很经典的论文在B站上搜可能都要直接的论文解读，如果没有看CSDN也可以。所有的论文解读其实都只是辅助，最重要的还是看论文原文和整理清楚论文思路。
项目的实现往往会遇到很多问题，以下的一些up主，从0开始实现了一些基本的算法，有助于对项目的理解。
up主：Bubbliiiing
中文讲解 视频内容包含如何搭建机器学习环境，包含Pytorch，TensorFlow和Keras。手把手实现了Unet，PSPnet，DeeplabV3+，等语义分割算法，Yolov4，Yolov3，FasterRCNN，Centernet，SSD，Efficientdet，M2det等目标检测算法，Retinaface，facenet，mtcnn等人脸识别算法，GAN对抗生成网络，seqtoseq模型等内容。视频地址：https://space.bilibili.com/472467171
youtube up主（搬运版本）
一个外国小哥讲解，从0开始手撸代码，讲的还是很清晰，会解释基本原理和为什么代码这么设计，当场debug。（不要看他的中文字幕，很鸡肋） Unet分割项目实战：https://www.bilibili.com/video/BV1J64y1m7s1 yolov3目标检测项目实战：https://www.bilibili.com/video/BV1bo4y1X78v
眼底血管分割项目（2D，3D分割）
一个up主自己实现的分割算法 https://www.bilibili.com/video/BV1gp4y1H7kq
进阶
行业动态 深入理解专业知识
医学图像计算机研讨会 MICS
https://space.bilibili.com/269362804/
视觉与学习青年学者研讨会 Valse
https://space.bilibili.com/562085182/
白板推导
up主通过在手工推导，帮助大家理解机器学习的基础原理，包含的内容比较全面。https://space.bilibili.com/97068901/
b站上还有很多优秀的资料，大家可以多多在上面探索，也欢迎大家推荐给我（欢迎后台留言）。
本文分享自微信公众号 - AI算法与图像处理（AI_study）。
如有侵权，请联系 [email protected] 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。