項目名稱
電腦幫你看看病之血管瘤全方位無死角高精度掃描（血管瘤超聲圖像分割）
一、需求調研
據調查目前市面上還沒有類似的產品，但是飛利浦等公司已經在AI醫學領域有所涉足。其開放式醫學影像科研探索平台，配備神經、腫瘤、心臟及血管等科研套件以及近50款算法插件，是本項目的強有力的競爭對手。
二、簡要介紹項目，典型用戶和典型故事
項目簡介
本項目為基於深度神經網絡的血管瘤超聲圖像分割應用，可以將血管超聲圖像中可能為病灶的部分分割出來。醫生可以借助該程序輔助進行血管瘤的識別與檢測，借助深度學習技術避免誤診漏診。同時醫學生也可以借此進行學習。
典型用戶
| 名字： | 小猛子 |
|---|---|
| 性別、年齡： | 男，26歲 |
| 職業： | 某化工廠工程師 |
| 收入： | 3000 |
| 知識層次能力： | 大學研究生學歷，熟練掌握過柱子本領 |
| 生活、工作情況： | 按部就班上班生活，目前准備轉行計算機 |
| 動機，目的，困難： | 在惡劣的環境下可能長有血管瘤，希望初步檢測后就醫 |
| 用戶偏好： | 打游戲 |
| 用戶比例： | 10% |
| 典型場景： | 在醫院網頁上上傳超聲圖像進行血管瘤的預測 |
| 典型描述: | 能夠得到較准確的檢測結果 |
用戶故事
小猛子在化工廠搬了一年的磚，身體是越來越不行了。一天他在上網摸魚的時候，偶然看見了百度推薦的電腦幫你看看病之血管瘤全方位無死角高精度掃描網站，他便上傳了自己前不久的血管超聲圖像，選擇了血管瘤自助診斷青春版套餐，發現自己患有血管瘤的概率竟然是99.99%！為了進一步確定，他又購買了診斷套餐，看到了圖像中的腫瘤區域，但是他看不懂這到底嚴不嚴重啊，於是他就立刻使用了網站上自帶的自助掛號功能掛了醫院的專家號並前去看病。
三、Alpha迭代階段計划完成的場景和功能點
用戶第一次登陸需要注冊。登陸后可以選擇不同的套餐，血管瘤自助診斷青春版套餐只能告知是否有腫瘤，診斷套餐Pro Max可以勾畫出腫瘤區域，且能與醫生對話交流診療方案。
四、當前進展情況
目前已經初步制定了計划，在應用搭建當面確定了項目的前后端技術棧為Vue+Django+mysql，初步設計了應用的基本功能；另一方面着手進行了有關深度學習的項目的研究。由於語義分割之前學習不多，且baseline所用的網絡為醫學影像分割方面的模型，還需要花較多時間進行掌握。
五、NABCD模型分析與電梯演說
我們項目的潛在用戶包括醫生、醫學院學生、血管瘤患者，軟件將發布在web端，將超聲圖像上傳到指定位置即可得到圖像分割的結果，預計發布一周的用戶量為1000。
N (Need 需求)
流行病學統計數據顯示，嬰幼兒血管瘤的發病率為10%~12%，主要見於早產兒和女性嬰幼兒。超聲檢查無創，可以為臨床提供血管瘤的位置、形狀以及累及范圍等信息，有助於指導醫生進一步治療。
目前臨床對血管瘤的病灶的分割，主要由專家人工勾畫，受臨床經驗水平的影響，分割結果無法避免人為誤差。若采用人工智能，需要較為精准且海量的樣本，數據的成本較高，如何利用小樣本數據集訓練血管瘤超聲圖像的自動精准分割，成為目前熱門的研究方向之一。本應用可以達到輔助醫生進行治療血管瘤的目的，同時也有助於患者進行自檢。
A (Approach 方法)
采用深度學習方法建立模型，需要收集標記好的血管瘤超聲影像數據，然后選擇合適的模型進行訓練，使用測試集對模型准確度進行評估，准確率可接受的情況下將發布到網頁端，用戶上傳超聲圖像即可得到分割出血管瘤區域的圖像。我們將會使用pytorch進行開發，同時以Web端應用程序為載體，采用當前流行的前后端分離式開發技術。后端使用Django REST Framework框架，前端使用Vue進行開發。
可能遇到的困難及解決：
-
圖像分割方向之前小組成員未接觸過，學習可能會遇到困難，但是小組成員都具有一定的深度學習基礎，相信通過合作可以順利完成任務。
-
團隊成員對於web應用開發尚不熟悉，還需要進一步完成知識的積累。
B (Benefit 好處)
- 醫生可以用該程序進行輔助診病，避免血管瘤的誤診漏診。
- 醫學專業學生可以借助該程序輔助進行學習。
- 患者可以上傳自己的超聲圖像，在正式就診之前有所准備。
- 網站可以對用戶上傳的圖像進行收集，擴充現有的數據集從而為后續識別准確率的提高打下基礎。
C (Competitors 競爭)
目前飛利浦等公司已經在AI醫學領域有所涉足。飛利浦星雲探索人工智能科研平台是一款集數據管理、圖像瀏覽、病灶分割與標注、影像組學分析以及基於深度神經網絡機器學習的大數據分析於一體的開放式醫學影像科研探索平台，配備神經、腫瘤、心臟及血管等科研套件以及近50款算法插件，可滿足不同領域的影像科研需求。這類較為成熟的平台，是本項目的強有力的競爭對手。
D (Delivery 交付)
（1）聯系相關醫療機構，查看其在實際場景下的識別准確率。
（2）根據初步的使用效果對應用進行調整，例如增強程序的魯棒性。
（3）在醫生群體內進行推廣。
（4）在公眾號、知乎、微博等社交媒體對應用進行介紹，同時呼吁大家關注心腦血管健康。
電梯演說
我們的血管瘤超聲圖像分割項目通過借助深度神經網絡技術訓練出的准確率較高的模型來輔助醫生進行血管瘤的識別與檢測，該項目也可用於心腦血管方面的課堂教學。所以現在支持我們，你一定不會后悔！