人工智能在医疗行业中的应用已经得到了越来越多的关注和探索，其能够辅助医疗从业者提高诊断准确性、加速临床诊断、优化治疗方案等方面取得了显著效果。
其中，一种应用中常见的医学图像处理。医学图像除了需要进行基本的图像处理（如噪声去除、增强等），还需要进行疾病检测、分割、匹配等方面的处理。
目前，医学图像处理技术主要可以分为下列几类：
1. 图像增强与去噪
医学图像中常常出现由于被测物品重叠、纹理干扰等导致的噪声，因此，图像去噪是进行医学图像处理中不可避免的一步。目前，医学图像去噪的方法有很多，如基于小波变换的去噪方法。
在图像增强方面，主要有基于直方图均衡化的增强方法、基于Retinex算法的增强方法、以及基于HE算法和MSRCR算法的增强方法等。
2. 分割处理
图像分割是医学领域中图像处理的核心步骤之一。它主要是将医学图像中各个部分（如组织、器官、病变部位等）进行分离，以便进一步进行检测和诊断。
现在应用较为广泛的分割处理方法包括阈值分割法、基于区域生长算法的分割法、边缘检测等。
3. 特征提取与识别
对于医学图像而言，特征提取与识别被广泛用于疾病诊断、疾病分型等方面。常用技术包括基于传统的机器学习方法（如SVM、KNN等）和基于深度学习的方法（如CNN、Resnet等）。
总体来说，人工智能目前在医学图像处理方面的应用还存在一些问题。主要体现在样本数量少、样本质量差等方面。因此，在今后的医学图像处理研究中，必须进一步推进研究，才能为医学行业中提供更为精确、高效的服务。
