在深度学习的方法下，如何处理实际应用中图片分辨率过高的问题？

分块，滑窗，拼接。有条件就使用多个GPU一起工作。病理图像都是3w*5w这么大的，成亿个像素。

抛砖引玉，分享下医学图像分割中处理图像尺寸过大的问题。

以胸腹部器官分割为例，常见的胸腹部3D CT图像一般都是512*512*几百的量级，这么大的图像直接输入到网络里显存肯定吃不消，因此通常会先在降采样的图像上训练一个分割网络用来定位器官，然后根据定位的结果在原始分辨率图像上把该器官crop出来（即得到ROI，region of interest），然后在ROI内再train一个分割网络。

相关的文章可参见联影高耀宗博士在SIPE 2019的oral paper: Large-scale evaluation of V-Net for organ segmentation in image guided radiation therapy (文章和报告视频已经公开，需要在学校IP内并且图书馆购买了SPIE数据库才可观看)