AI
先提一下前面几位答主的观点。多模态、
AIGC、自监督和半监督确实是当前的研究热点，但我建议如果不是大组背景的话，最好还是别轻易涉足这些方向。大组这个概念很难具体量化，但一个简单的判断方法是：看看你们组里是否有师兄师姐发表过相关领域的论文。如果有，那可以放心跟随；如果没有，或者刚刚开始涉及，那还是谨慎为好。前几天我为实验室跑了一个预训练模型。用 4090 显卡处理 1 万多张 224×224 的腹部 CT 切片，进行 300 轮的 MAE 训练，差不多需要两天时间。再加上调参所需的次数，这样的设备和时间成本，普通小规模研究组可能难以承受。如果小团队想尝试前沿方向，建议从迁移学习等主流趋势的边缘领域入手。目前，医学图像分割的主要模型仍以 U 型结构加跳跃连接为主，包括纯 CNN 或 CNN + ViT 的组合。纯 ViT 模型容易出现过拟合问题。像肺部或肝脏这种单一器官的分割技术已经非常成熟（例如数坤、深睿的
AI 辅助诊断软件已经在许多国内
医院落地）。近年来的研究更多集中在复杂器官或病变区域的分割上，比如胰腺、
皮肤癌等。另一个热门方向是多器官分割或通用分割模型。回到问题本身，作为交叉学科，发一篇 SCI 论文并不是难事。但需要注意的是，医工交叉课题的技术深度往往不够，在外审或答辩时可能会被专业出身的
专家质疑。以上内容是随手记录的一些想法，仅供参考。
