引言：
小编在MICCAI2019开完之后，浏览了并深入阅读了一些论文，闲暇之余才整理出来，欢迎读者讨论。如有不对之处，敬请批评指正。
一、关于论文集
官方网站已经公布了题目链接(https://www.miccai2019.org/programme/oral-sessions-tentative/?tdsourcetag=s_pctim_aiomsg):
读者们可以自行查看。小编将此次会议的论文全部下载完毕，在网上不能下载的论文，有需要的朋友们，下方留言可以找我要整本论文集。
备注：请尽量自行前往下载，小编最近着实很忙，后面也考虑传到网盘，方便大家下载。谢谢理解
总共有6个Part，下面简介每部分的topic：
Part I： LNCS Volume 11764: Optical Imaging; Endoscopy; Microscopy
Part II： LNCS Volume 11765: Image Segmentation; Image Registration; Cardiovascular Imaging; Growth, Development, Atrophy and Progression
Part III： LNCS Volume 11766: Neuroimage Reconstruction and Synthesis; Neuroimage Segmentation; Diffusion-Weighted Magnetic Resonance Imaging; Functional Neuroimaging; Miscellaneous Neuroimaging
Part IV： LNCS Volume 11767: Shape; Prediction; Detection and Localization; Machine Learning; Computer-Aided Diagnosis; Image Reconstruction and Synthesis
Part V： LNCS Volume 11768: Computer-Assisted Interventions; MIC Meets CAI
Part VI： LNCS Volume 11769: Computed Tomography; X-ray Imaging
Topic频次
- 45篇MRI，30篇CT，18篇Ultrasound，7篇OCT，5篇PET
- 21篇surgery
- 12篇CNN，19篇GAN，28篇Generative，93篇 Deep，150篇 Network
(注：小编暂时关注了这些，供相关研究方向的读者们参考。其他未尽方向敬请读者海涵，欢迎补充讨论。)
二、Accepted MICCAI 2019 Papers
（注：图文数据来源MICCAI2019）
三、总结
1. 关注的研究课题方向
- 多模态问题
- 分区问题
- 诊断问题
- 精神性疾病
- 神经科学问题
2. 目前在医学上的应用领域十分广阔，但目前仍有一些需要解决的问题让我们来探讨。
- 传统的方法仍然在领域内占有一席之地，并没有被深度学习所取缔。将传统的机器学习方法与神经网络结合是个值得思索的问题。
- 在相关任务需求的实现时，可以尝试将muti-task加入，应该能提高一定的准确率。
- 最重要的还是数据，结合数据自身的特点，特别是医学数据若能将先验信息融入进来，对结果有一定的帮助。
- 等等
补充：
在GitHub上发现一个很棒的研究者，发布了MICCAI2019的部分paper与code，链接：
(https://github.com/JunMa11/MICCAI2019-OpenSourcePapers?tdsourcetag=s_pctim_aiomsg)
四、MICCAI2019论文集获取
获取方式：下方评论区留言
更新：最近一段时间着实很忙，木空回复大家抱歉哈，请自行前往链接下载，若着实不便，后面我考虑上传到网盘供大家下载。
五、MICCAI2020论文获取
下方博客详细介绍了每本论文集的主题
https://blog.csdn.net/weixin_43876801/article/details/109215316
转载：https://blog.csdn.net/weixin_43876801/article/details/102785238