20xx年6月，我在《航天医学与医学工程》上发表了一篇名为“同体呼气相和吸气相肺部高分辨率CT体积图像的配准”的论文。这篇文章是在一个项目的大力支持下成文的。由于是交叉学科，我有了两名导师。一位是德高望重、有着丰富学科经验的老教授冯老师;另一位是年轻的新锐，具有医学和工程学双重学科背景的李老师。在二位老师的引导下，我的课题异常的顺利，很快就有了一个阶段性的实验结果。下面就来谈谈发表此篇文章的心得与感悟。
始于兴趣，成于坚持。刚开始研究问题的时候一定要充满信心，抱着极大的兴趣去思考每一个细节。但研究的过程并不总是充满欢喜的，很多时候都会被一些小细节所困扰。例如：数学推导搞不明白、程序无法正常工作等等。常常会“钻进”一些小问题的牛角尖里去，无法自拔。这个环节是异常痛苦的，因为看不到光明。但上天总是在眷顾坚持不懈的人，有时候会被文献中的一些话所启发，有时候在与“战友”讨论问题的时候突然灵光乍现……所以在科研的过程中，兴趣与坚持缺一不可。
遍历经典的文献，站在巨人的肩膀上会看得更远。很多大师级的人物在功成名就之后仍然保持着天天看阅最新文献的习惯。其实同一个问题，世界各地很多人都在为之付出心血，在看“好”文章的同时，读者对这个问题产生的思考比凭空思考要更加广泛而深入。在质疑或重复实验的过程中会发现问题的精妙之处，或者更加深入理解问题的本质。而且现在下载“好”文章比以前方便很多，在这样优越的环境下，更要多吸取前人的精华。
敢于交叉，敢于融合。通常边缘学科容易出成果，这一点在几个诺贝尔奖获得者身上得到充分体现。虽然不是每个人都能触碰边缘学科问题，但我们可以把新新的理论应用到一些经典的问题上，这样可能会得到意想不到的结果。或者，从另一个角度去思考问题。这个过程绝对是发挥聪明才智的最好阶段。我在这篇文章中本来(要寻求三维刚性配准的参数，但是由于计算量极大，所以就“偷巧”在特定的2维层面上找到了粗略的三维刚性配准参数。虽然没有精细地找寻出相关参数，但时间复杂度大大降低，并且可以用接下来的非刚性配准弥补不足。关于融合更是精妙，很多古老的算法都在试图用一些通用的模型解决问题，但实际上我们可以利用很多先验知识来帮助模型变得“专业”起来。适当的混合算法解决了通用模型无法专用的缺陷，为专用模型注入了新鲜的血液。但混合算法需要被化零为整，不要仅仅在把几种方法拼凑起来了事。
交流、辩驳与沟通。在实验室做研究，同一方向的“战友”们是最最亲密的伙伴，大家为了一个共同的问题冥思苦想。适度的交流特别有利于发现我们的想法中错误之处，并且常常在交流的过程中发现能改进的地方。有时候也要辩驳，力争达到对问题一致地理解，前提是自己有足够充分的理由。与导师的沟通尤其重要，当发现问题中关键点时要报告老师。这一方面是争取老师对问题的支持，另一方面是看老师对此问题有没有不同的看法。导师见多识广，可以对我们所提出的思路进行方向性的把关，从而使后续研究更有意义。
劳逸结合。研究不是工人做工，农民种田。不是说熬几个通宵就能熬得出来的。我们要有持续做研究的心理准备，把科研当成自己生活中的一部分，适当的劳逸结合，也许就在听音乐或散步的时候突然想到解决问题的思路。但是在关键阶段，辛苦是必不可少的。所以做好打持久战的准备，不要轻易放弃对一个问题的解决，也不要急于一时去解决问题。
各学科有它自身的研究特色，由于我是信息学院学生，所以心得体会也仅限于信息学科的研究特点。其实，做研究是一个有趣的过程：在突然解决问题的一刹那，会兴奋至极;在柳暗花明的时候，会豁然开朗;在推理的过程中，会体会到科学的魅力。所有这些乐趣都能不断激发我们去追求真理、去解决问题。
20xx年6月，我在《航天医学与医学工程》上发表了一篇名为“同体呼气相和吸气相肺部高分辨率CT体积图像的配准”的论文。这篇文章是在一个项目的大力支持下成文的。由于是交叉学科，我有了两名导师。一位是德高望重、有着丰富学科经验的老教授冯老师;另一位是年轻的新锐，具有医学和工程学双重学科背景的李老师。在二位老师的引导下，我的课题异常的顺利，很快就有了一个阶段性的实验结果。下面就来谈谈发表此篇文章的心得与感悟。
始于兴趣，成于坚持。刚开始研究问题的时候一定要充满信心，抱着极大的兴趣去思考每一个细节。但研究的过程并不总是充满欢喜的，很多时候都会被一些小细节所困扰。例如：数学推导搞不明白、程序无法正常工作等等。常常会“钻进”一些小问题的牛角尖里去，无法自拔。这个环节是异常痛苦的，因为看不到光明。但上天总是在眷顾坚持不懈的人，有时候会被文献中的一些话所启发，有时候在与“战友”讨论问题的时候突然灵光乍现……所以在科研的过程中，兴趣与坚持缺一不可。
遍历经典的文献，站在巨人的肩膀上会看得更远。很多大师级的人物在功成名就之后仍然保持着天天看阅最新文献的习惯。其实同一个问题，世界各地很多人都在为之付出心血，在看“好”文章的同时，读者对这个问题产生的思考比凭空思考要更加广泛而深入。在质疑或重复实验的过程中会发现问题的精妙之处，或者更加深入理解问题的本质。而且现在下载“好”文章比以前方便很多，在这样优越的环境下，更要多吸取前人的精华。
敢于交叉，敢于融合。通常边缘学科容易出成果，这一点在几个诺贝尔奖获得者身上得到充分体现。虽然不是每个人都能触碰边缘学科问题，但我们可以把新新的理论应用到一些经典的问题上，这样可能会得到意想不到的结果。或者，从另一个角度去思考问题。这个过程绝对是发挥聪明才智的最好阶段。我在这篇文章中本来(要寻求三维刚性配准的参数，但是由于计算量极大，所以就“偷巧”在特定的2维层面上找到了粗略的三维刚性配准参数。虽然没有精细地找寻出相关参数，但时间复杂度大大降低，并且可以用接下来的非刚性配准弥补不足。关于融合更是精妙，很多古老的算法都在试图用一些通用的模型解决问题，但实际上我们可以利用很多先验知识来帮助模型变得“专业”起来。适当的混合算法解决了通用模型无法专用的缺陷，为专用模型注入了新鲜的血液。但混合算法需要被化零为整，不要仅仅在把几种方法拼凑起来了事。
交流、辩驳与沟通。在实验室做研究，同一方向的“战友”们是最最亲密的伙伴，大家为了一个共同的问题冥思苦想。适度的交流特别有利于发现我们的想法中错误之处，并且常常在交流的过程中发现能改进的地方。有时候也要辩驳，力争达到对问题一致地理解，前提是自己有足够充分的理由。与导师的沟通尤其重要，当发现问题中关键点时要报告老师。这一方面是争取老师对问题的支持，另一方面是看老师对此问题有没有不同的看法。导师见多识广，可以对我们所提出的思路进行方向性的把关，从而使后续研究更有意义。
劳逸结合。研究不是工人做工，农民种田。不是说熬几个通宵就能熬得出来的。我们要有持续做研究的心理准备，把科研当成自己生活中的一部分，适当的劳逸结合，也许就在听音乐或散步的时候突然想到解决问题的思路。但是在关键阶段，辛苦是必不可少的。所以做好打持久战的准备，不要轻易放弃对一个问题的解决，也不要急于一时去解决问题。
各学科有它自身的研究特色，由于我是信息学院学生，所以心得体会也仅限于信息学科的研究特点。其实，做研究是一个有趣的过程：在突然解决问题的一刹那，会兴奋至极;在柳暗花明的时候，会豁然开朗;在推理的过程中，会体会到科学的魅力。所有这些乐趣都能不断激发我们去追求真理、去解决问题。