现如今，深度学习算法已经支持在许多应用领域中进行医疗成像，并且包括所有成像方法：例如X光、超声波、计算机断层扫描(CT)和磁共振成像(MRI)等。随着诊断程序的自动化程度不断增加，病人和医生都能从中获益：不但提高了检查结果的准确性和可靠性，还能提供精确和改良的诊断报告，并且可以个性化定制治疗措施。在许多情况下，使用人工神经网络的基本先决条件是采用机器视觉。

在本期白皮书中，Basler产品经理Peter Behringer阐述了典型图像处理过程的四个步骤，并介绍了可进行深度学习的三种视觉系统：嵌入式系统、基于PC的系统以及基于FPGA图像采集卡的系统。

此外，白皮书还对以下主题进行了有价值的探讨：

• 深度学习在显微镜中的应用
• 数字化病理学
• 虚拟染色技术在显微镜中的应用
• 基于ANN的产品如何才能具有商业可行性