基于深度学习的超声人体血管识别算法研究 一、选题依据(简述国内外研究现状、生产需求状况,说明选题目的、意义，列出主要参考文献)1、国内外研究状况超声血管识别是医学图像处理领域的重要研究方向。随着深度学习技术的快速发展和应用，基于深度学习的超声血管识别算法逐渐受到关注。医学图像处理技术特别是血管图像处理技术对于疾病的诊断和治疗以及手术规划发挥着越来越重要的使用 1。在这其中识别血管技术和智能自动分割技术已经成为如今包括临床医学等众多领域中诊断和操作治疗疾病过程中必不可少的一个辅助手段。血管分割技术是指将照片中的血管和背景图像分割开，形成不重叠的图形，其分辨的精确性将会直接影响到对病患的分析以及后续的治疗，甚至造成误诊。因此，如何提高血管分割的精确性和准确度成为了我们亟待解决的问题。血管图像分割就是将组成整幅图像的不同对象进行分类或聚类，准确地提取出医生感兴趣的区域（Region of Interest，ROI）即血管，然后获取血管相关参数值以便后续医生对其进行诊断和治疗2。在国内贾蒙丽等人在2023年针对目前存在的细小血管和低对比度血管分割能力不足的问题，以改进U型网络为基础，提出一种眼底血管分割方法3。2022年侯松辰等人将Attention机制与RU-Net结构融合应用到生成对抗网络(generative adversarial network, GAN)的生成器中,形成了一种新的结构——Retina-GAN，同时在对眼底图像的预处理步骤上选择了自动色彩均衡(ACE)，提高图像对比度，使血管更加清晰4。在国外Abdel-Dayem等人提出一种基于超声图像提取颈动脉轮廓的新方法，该方法从动脉内用户自定义的种子点开始，利用模糊区域生长算法为图像创建模糊连通性图，然后使用阈值选择机制对模糊连通性图进行阈值化处理以分割动脉区域5。在人工智能快速的发展推动下，国内外的各种血管分割算法也在不断进化，衍生出了许多不同类型的分割方法，主要有：基于区域的分割技术基于区域的分割技术是指在所给的图像中直接找出以某个区域为基础的分割技术。基于区域提取分割方法主要有阈值法6，该方法计算简单效率较高，但是此方法不考虑空间特征，对噪声过于敏感且鲁棒性不高。区域生长法，该方法从单个像素点出发，逐步向四周扩散以形成所需图形的分割区域，这种方法关键在于找到这个单独的像素点和合适的生长准则7；基于聚类的分割方法则与区域生长法相反，是从图形整体出发，逐步扫描各个区域，得到需要分割的目标，进而实现目标的提取。基于边界的分割技术边缘检测8是一种用于找出图像中物体边界的技术，它通过检测图像中灰度的突变来实现。在数字图像中，边缘是指灰度值快速变化的地方，通常可以使用一阶或二阶导数来检测。通过计算导数，可以确定图像中可能存在边缘的位置，进而实现目标和背景的分割。它主要优点有边缘定位准确、速度快但是不能保证边缘的连续性和封闭性。常用的边缘检测方法有Sobel算子9、Prewitt算子10和Canny边缘检测11等。边缘检测是图像处理中的基础操作，对于识别物体、图像分割等任务至关重要。结合特定理论和工具的分割技术常用的结合特定理论和工具的分割算法有：基于数学形态学、基于神经网络、基于小波理论等。基于数学形态的分割方法，其基本原则使利用具有一定形态的结构元素对图像进行基本操作，以达到对图像分析和识别的目的。数学形态学的基本运算包括膨胀和腐蚀，以及它们组合形成的开运算和闭运算12。开运算先进行腐蚀再进行膨胀，闭运算则是先进行膨胀再进行腐蚀。这些运算对图像的处理具有不同的特点，膨胀会使图像变大，而腐蚀会使图像变小。基于神经网络13的方法具有两个优点：一是能够通过运算不断学习提高进准度，二是能够使用网络对图像进行非传统线性分割进行边界分割。缺点就在于每当有新的变量加入，就要重新进行学习和训练。从当前血管分割技术的整体发展来看，本文的研究方向为：能够完整的搭建所筛选的模型；能够找到足够的数据集并对其进行标记以完成实验；使用最少的人工操作来完成分割过程，以实现血管的自动识别和分割；缩短所采用的时间达成目标；达到所要求的90%的精度。2、选题目的、意义血管的功能是向组织周围的细胞输送氧气和营养物质，是高等脊椎动物的一个重要器官14。研究发现多达 50 种不同病理状况的产生与血管的健康情况有着直接的关系，其中包括癌症、外周缺血疾病、糖尿病、牛皮癣等疾病15。随着科技和农业的发展，人们的饮食规律和结构发生了改变，各种由血管导致的病因层出不穷，是人们的健康受到严重威胁。颈动脉粥样硬化(carotid arteriosclerosis，CAS),是大动脉血管的常见病变 16，颈动脉作为连接心脏与头之间的通路，是人体中最容易发生病变的地方。通过算法将颈部动脉的CT片中的颈动脉与背景分开，可以更准确的确定其位置和形状，如果是出现动脉粥样硬化现象，则颈动脉血管的形状会发生变化，借此形态变化可快速地找到病变部位并采取治疗方案2。到目前为止，大多数关于颈动脉图像的识别和疾病的等级判定仍然靠肉眼识别来执行，或者通过管腔分割之后定义斑块或狭窄17的存在来半自动地执行18。但是，前者通过肉眼判断会因观测者的不同而结果受到实质性的差异，即使是经验丰富的专家来识别，也会因为自身的状态、图片的拍摄区域而使最终的结果有所变化。后者依赖于冠状动脉腔分割的速度和准确性,这通常是耗时且麻烦的。而用于冠状动脉腔内分割的大多数商业软件需要大量的手动操作,在具有过度动脉粥样硬化斑块或成像伪影的图像中,操作更加繁琐18。随着近几年的人工智能技术突飞猛进，在各领域取得了丰富的成果，人们自然的会将深度学习与血管分割联系在一起，尤其是在颈部动脉血管上的识别。首先是颈部血管的识别和定位，对血管的准确定位是动脉分割和病变检测前提，然而颈部动脉的人工识别要耗费大量时间,并且分割结果也易受操作者主观因素的影响；其次是医学的特殊性：一是，人体颈部血管密集，还有气道等各部位影响，这使得在图片上对血管的定位识别变得非常困难。二是，医学所拍摄的图像均较暗，亮度和对比度较低，很多血管特征难以识别。三是，在采集图像时，图片的实际效果会受到病人的姿态、设备的状况和拍摄的角度等各种因素的影响。因此，在实际中，对一种图像问题的解决方法很大概率对另一种图像问题就不起效果19。而基于深度学习的超声血管识别方法具有以下优点，在各方面也有不同的意义：高度自动化：基于深度学习的方法可以实现自动化的血管识别和分割，减轻医生的工作负担，提高工作效率。准确性更高：深度学习模型能够学习复杂的血管结构特征，提高血管识别的准确性，减少漏检和误检的情况。适用于大规模数据：深度学习模型在处理大规模数据时表现出色，可以应对临床中不同患者的超声影像数据，提高泛化能力。辅助临床决策：深度学习的超声血管识别技术可以为医生提供更准确的血管结构信息，辅助临床诊断和治疗决策，提高医疗服务质量。因此，基于深度学习的超声血管识别方法具有更高的自动化程度、准确性和适用性，可以为临床医疗提供更有效的支持，推动医疗领域的智能化发展。参考文献王钏.基于卷积神经网络的血管图像分割[D].西安:西安电子科技大学,2018. ↩周宁宁.基于深度学习的超声血管图像分割与识别软件的设计与实现[D].重庆大学,2021. ↩贾蒙丽,李振伟,杨晓利等.基于改进的U型网络的视网膜图像血管分割[J].计算机仿真,2023,40(07):190-194+214. ↩侯松辰,张俊虎.基于Retina-GAN的视网膜图像血管分割[J].计算机系统应用,2022,31(07):372-378.DOI:10.15888/j.cnki.csa.008607. ↩Abdel-Dayem A R, El-Sakka M R. Carotid Artery Ultrasound Image Segmentation Using Fuzzy Region Growing[C]. Proceedings of the Second international conference on Image Analysis and Recognition. Springer Berlin Heidelberg, 2005:869-878. ↩侯松辰,张俊虎.基于Retina-GAN的视网膜图像血管分割[J].计算机系统应用,2022,31(07):372-378.DOI:10.15888/j.cnki.csa.008607. ↩刘斌. 基于超像素的图像分割方法研究[D].河南大学,2018. ↩王敏琴,韩国强,涂泳秋.基于形变模型的医学图像分割综述[J].医疗卫生装备,2009,30(2):37-39. ↩薛文格,邝天福.基于Sobel算子和灰色关联分析的图像边缘检测[J].楚雄师范学院学报,2023,38(03):135-140. ↩王月新,刘明君.sobel算子与prewitt算子分析与研究[J].计算机与数字工程,2016,44(10):2029-2031+2042. ↩孙海明,韩国强.基于改进Canny算法的噪声图像边缘检测[J].湖北汽车工业学院学报,2023,37(04):54-57+63. ↩张丹丹.数学形态法中结构元素的选择[J].科技信息,2012,(34):172. ↩徐凤翎.基于卷积神经网络的CT影像边缘分割方法[J].计算机时代,2023(10):66-69.DOI: 10.16644/j.cnki.cn33-1094/tp.2023.10.014. ↩Kojic M, Milosevic M, Simic V, et al. Multiscale smeared finite element model for mass transport in biological tissue: From blood vessels to cells and cellular organelles[J]. Computers in Biology and Medicine, 2018, 99:7-23. ↩Folkman J. Anti-angiogenesis: new concept for therapy of solid tumors[J]. Annals of Surgery, 1972, 175(3):409-416 ↩唐嘉宇.心血管高危并颈动脉粥样硬化患者血管内皮功能及白介素-18的变化及相关机制初探[D].南华大学,2016. ↩付长信. 头颈部动静脉血管提取方法研究[D].东北大学,2019. ↩Kiricsli H A，Schaap M，Metz C T，et al.Standardized evaluation framework forevaluating coronary artery stenosis detection，stenosis quantification and lumensegmentation algorithms in computed tomography angiography[J].MedicalImage Analysis,2019,17:859-876. ↩孟笛.改进的U-net网络在冠状动脉血管分割中的应用[D].吉林大学,2019. ↩

测试集 表头表头表头居左居中居右居左居中居右一级标题二级标题三级标题四级标题五级标题六级标题使用 Markdown1可以效率的书写文档, 直接转换成 HTML2,。[music id="801910637"/][music-list id="801910637"/]Markdown是一种纯文本标记语言 ↩HyperText Markup Language 超文本标记语言 ↩

音乐测试 在使用编辑器对文章背景音乐进行编辑时，会出现“src="音乐地址" controls”代码进行编辑，而其中的音乐地址即为音乐文件的完整URL地址，至于怎么寻找音乐的URL地址，详情参考CSDN中的如何获取网易云音频地址。主要的操作为获取需要放置的背景音乐的id如图位置的搜索栏的“https://music.163.com/#/song?id=1387939336”，得到加黑部分。获取资源地址http://music.163.com/song/media/outer/url?id=xxx.mp3将xxx替换成音乐的id值，则本次的歌曲替换为http://music.163.com/song/media/outer/url?id=1387939336.mp3即可。