医疗影像复原的挑战
1.数据不平衡和重采样技术
医疗影像是利用X射线、电磁场、超声波等介质与人体相互作用，把肌理、器官结构等人体组织以静态图像或动态影像等方式表现出来，形成我们常见的CT、X光、MRI、PET等医疗数据。在医疗影像数据中，阳性（患病）和阴性（健康）的样本数量可能存在巨大的差异，这被称为数据不平衡问题。为了解决这个问题，研究人员提出了使用加权损失函数的方法，通过调整权重来平衡两类样本的影响。此外，重采样技术如过采样和欠采样也被用来平衡数据，以便更好地训练模型。
2.医疗影像的实时还原需求
在过去，医疗机构像一个信息孤岛，院内与院外隔着一堵“高墙”。医疗机构专门设立成像部，手工归档、管理与存储图像/影像资料，这种方式导致成像的质量和清晰度较低，诊断结果也不够精确。随着技术的进步，4K超高清医疗影像实时还原的需求迅速爆发。4K显示技术让医护人员看到了更加清晰的人体内部构造、肌理组织以及更加纯正的脏器颜色。然而，实时影像传输与影像色彩真实还原相结合的技术主题仍然是医疗影像产业永恒的主题。此外，技术的落后也给医疗影像数据的调用、存储与管理带来了极大的挑战。
3.医学影像技术的专业知识和技能
医学影像技术是一门专业的学科，它主要研究基础医学、临床医学、医学影像学等方面的基本知识和技能，以影像诊断学和介入医学为手段，进行疾病的诊断、治疗等。该专业的学生需要学习医学影像技术的基本理论和基本知识，接受医学影像技术（常规放射学、CT、MR、超声学、核医学、介入放射学）的基本操作技能的训练，熟练掌握医学影像学范畴内的各项技术及计算机的基本理论和操作技能。然而，每个医院的医学影像方面的职位数量是有限的，且很少会扩充职位，因此各医院招聘本专业的人数有限，一些待遇较好的大医院的就业竞争会非常激烈。
4.AI在医疗影像复原中的应用
近年来，随着人工智能（AI）技术的发展，AI在医疗影像复原中的应用越来越广泛。例如，百度旗下AI医疗品牌“百度灵医”携手中山大学中山眼科中心和维也纳医科大学，举办了PALM眼底彩照病理性近视挑战赛。此次比赛优胜队伍结果表明，利用AI从眼底图判读病理性近视的准确率可媲美医学专家的水平，目前的AI技术已经接近高水平医学专家。这些研究表明，AI在医疗影像复原方面具有巨大的潜力和优势。
5.医疗影像存储和传输的挑战
数字化医疗影像是现代医疗系统的重要组成部分，但它也面临着一系列挑战。医学影像存储与传输系统（PACS）是专门用于医学图像处理、存储与传输的计算机应用系统，它能有效解决传统医学影像中存在的存储、传输、检索和使用中存在的许多问题。然而，在医院PACS系统的建设过程中，由于PACS系统存储了非常宝贵、非常重要的病人影像数据，因此搭建一个高可靠的存储系统对其医疗数据的备份、恢复、归档及医疗业务的持续运行所起到的重要作用。整个PACS系统建设还存在诸多挑战，如扩展性、业务连续性和可管理性等。
