肝视图

随着医学图像数据的增多，医生的工作量大幅增加，临床迫切需要一种自动分割工具辅助医生快速诊断，进而提高工作效率，减轻医生工作负担，这也是研究者们一直在努力解决的问题。而当前计算机视觉技术的蓬勃发展将极大地推进这一目标，尤其是随着深度学习技术的兴起，计算机视觉技术被越来越多地应用于医疗辅助诊断。 因此，本项目主要基于U-Net及其改进网络进行肝脏肿瘤的分割，在分割后对肝脏模型再进行三维重建，以此得以在网站上进行可视化操作。U-Net属于语义分割的一种,即是对图像中每一个像素点进行分类，确定每个点的类别（如属于肝脏、心脏或肺等），从而进行区域划分。目前，U-Net已经被广泛应用于医学图像分割领域，它是像素级别的分割，能够识别像素级的差异。在核心技术的实现流程上，主要是： 1. 基于ITK对医学图像进行预处理 2. 使用U-Net及其改进网络对图像进行分割 3. 基于VTK对分割结果进行三维重构并对STL模型进行重拓扑优化 4. 基于WebGL实现网页端多模型渲染和复杂交互操作 项目的实现这不仅能提高了医生的工作效率，还减少了医疗误诊的概率。在另一方面上，直观呈现出来的三维模型，能够支持医生实现“虚拟手术”，这样有助于手术的顺利进行；不仅如此，能够进行可视化操作的三维模型，能够让病人及其家属更加直观地了解到患者的病情。这在现实生活中极具临床意义。