第五次作业 项目选题
一、前言
1.项目名称
血管瘤图像分割服务的医疗助手
2.项目简介
近年来，由于深度学习方法的迅速发展，基于深度学习的图像分割算法在医学图像分割领域取得了显著的成就。深度学习在医学图像分割方面的突破对于医学领域的发展至关重要。流行病学统计数据显示，婴幼儿血管瘤的发病率为10%~12%，主要见于早产儿和女性婴幼儿。目前临床对血管瘤的病灶的分割，主要由专家人工勾画，受临床经验水平的影响，分割结果无法避免人为误差。若采用人工智能，需要较为精准且海量的样本，数据的成本较高，本项目将提供一种血管瘤图像分割的服务，为医生和病人之间提供更加高效的沟通资源，帮助医生更好的通过分割后的图像给病人做手术，也能让病人感受到当今科技的发展从而更加信任医生，从而推动医患关系良好发展。
二、NABCD模型分析
1.N (Need 需求)
流行病学统计数据显示，婴幼儿血管瘤的发病率为10%~12%，主要见于早产儿和女性婴幼儿。超声检查无创，可以为临床提供血管瘤的位置、形状以及累及范围等信息，有助于指导医生进一步治疗。在新生儿中，血管瘤患病率为2%-4%，至1岁时可高达10%-12%，患病率较高。血管瘤不仅影响患者容貌，还可发生感染、溃疡、出血甚至恶变，这些都会严重危及患者的生命，因此得了血管瘤必须及时尽早治疗，而超声影响又是辅助诊断治疗中的一项重要技术，因此潜在用户群体广泛。 图像的分割技术占据了医学超声图像中定性、定量分析领域中十分重要的地位，预计在今后的几年三维超声图像分割技术将成为医学超声图像分割技术的主力军，对病情的分析、诊断起到直接影响作用。
2.A (Approach 做法)
利用深度学习方法训练一个血管瘤的分割模型，期望在小数据集训练出一个优秀的模型，以达到辅助医生进行治疗血管瘤的目的。
我们提供的业务是用户通过支付订单，获取我们提供血管瘤图像分割服务，从而帮助医生对病人进行诊断。
3.B (Benefit 好处)
以人工的神经网络为基础的图像分割技术是近几年刚刚发展起来的被广泛应用的新技术。这项技术具有一个十分优越的条件，它分割图像的方式不需要依靠图像的概率函数也就是说即使在图像数据出现严重的偏差时也可以进行图像的分割。
目前临床对血管瘤的病灶的分割，主要由专家人工勾画，受临床经验水平的影响，分割结果无法避免人为误差。若采用人工智能，需要较为精准且海量的样本，数据的成本较高，若能实现利用小样本数据集训练血管瘤超声图像的自动精准分割，则能显著降低成本。
4.C (Competitors 竞争)
市场很大，会有上千万人的市场,但是在其中的研究团队也很多。我们并不惧怕在我们开发路上的竞争对手，我们是一个有创新能力有学习能力和良好的交流的团队，我们有决心有毅力也有技术去做好它。我们可以通过市场调研，对目前流行的模型进行评估，综合优缺点权衡考虑来改进我们的项目。
对于消费者来说，这个项目具有广大的隐藏消费者，尤其是人们现在对于自己的下一代非常重视，但是他们患病的风险依然存在。随着经济发展和人口数目的增加，我们项目的受用市场也会扩大。
5.D (Delivery 交付，Data 数据）
在保证我们的正确率不低于阈值的情况下推向市场。
项目可投入使用后，可与医院合作。
在宣传上，一方面是血管瘤超声诊断行业内的宣传，使更多医生使用我们的产品做为辅助诊断工具；另一方面可以通过治愈患者的诊疗反馈和互联网进行宣传，让更多人知道这项技术可以提高诊疗的精确度。
三、电梯演说
我们帮助医生进行血管瘤超声图像的自动精准分割，在无需额外培训的前提下避免人为误差，极大提高医疗效率，促进相关医疗领域的发展。
参考资料：
医学检验毕业论文题目：探究医学超声图像分割技术以及发展方向 - 知乎. Zhuanlan. https://zhuanlan.zhihu.com/p/120320721
血管瘤超声图像分割 竞赛 - DataFountain. Datafountain. https://www.datafountain.cn/competitions/533
血管瘤 - 医学百科. Yixue. https://www.yixue.com/%E8%A1%80%E7%AE%A1%E7%98%A4