人永远不可能完全躺下，这就给基于核磁共振或CT扫描的手术增加了难度。博士生Koen Eppenhof已经证明了基于深度学习的算法可以用来纠正不可避免的行为。

为了尽可能精确地进行放射或操作，首先应由医生在扫描仪(MRI或CT)上画出要治疗的区域。然后使用新的扫描来定位手术台上的区域(例如肿瘤部位)。这绝非易事：患者的位置在两次扫描中永远不会完全相同，然后器官必然会因呼吸而移动和变形。为了解决这些困难，出现了一个完整的专业领域，即医学图像配准，它构成了生物医学工程系医学图像分析组工作的一个方面。

根据医学图像分析候选人Koen Eppenhof博士的说法，医生已经拥有智能软件，可以将扫描仪中的字符与捕获的图像进行匹配，并在更早的日期进行仔细的分析。“但是，计算需要在计算机上花费几分钟，理想情况下，您希望能够实时匹配两次扫描。”

当Eppenhof在不到五年前开始他的博士研究时，深度学习的原理刚刚起步。这是人工智能的一种形式，可以更快的完成这个任务。根据博士候选人的说法，这项技术似乎已经实现了它的承诺。“起初在大会上，我是少数从事深度学习的人，但现在医学图像分析几乎所有的人都在用。”

游戏玩家

Eppenhof解释说，挑战在于将原始图像中的每个像素与新扫描中的相应像素相耦合。为此，他“训练”了所谓的深度神经网络，该网络运行在图形处理单元(GPU)上——相当于游戏电脑中的处理器。“我们的团队将这些GPU的集群保存在高科技园区的一个凉爽的房间里，我们可以登录。”

GPU的这个神经网络可以通过引用成千上万个例子来自学如何执行任务。但是缺乏培训材料。考虑肺部照片的问题：在呼入和呼出电话的所有阶段，几乎没有任何一组“注册的”肺部图像。因此，Eppenhof决定以无数种不同的方式处理现有的图像，并将其用于神经网络。“接下来，我将训练好的网络放在一组几十个真实的CT扫描上，几名专家根据数百个公认的解剖标志(如血管分割或交叉的位置)进行注册，以放松心情。