肺癌是最常见的癌症，目前，CT可用于帮助医生在早期阶段检测肺癌。 在许多情况下，识别肺癌的诊断取决于医生的经验，这可能会忽略一些患者并导致一些问题。 在许多医学影像诊断领域，深度学习已被证明是一种流行且有效的方法。

在上篇博文中，我们详细介绍了如何分割肺实质，并根据标注信息提取肺结节，本文主要介绍如何利用CNN网络训练分类模型，辅助医生作出判断。

现如今，基于声音信号的海上目标识别是进行海量探测和目标识别的可靠方法，也是水声信号处理领域的重要研究内容。

本篇博文主要介绍噪音类型的分类和去噪。

本文主要介绍将训练好的网络模型，移植到FPGA等硬件平台上所必须的准备工作。

主要介绍opencv中常见的一些图像处理操作。

本文主要介绍卷积神经网络（CNN）的发展演变，包含对每个网络的结构分析，创新点总结。

本文主要介绍了现在主流的三大深度学习框架Tensorflow、Caffe和Pytorch的组成结构，并对其特点进行了简要分析。