1. 研究目的与意义（文献综述）
研究目的及意义
图像分割是图像处理和分析领域的经典难题，其中医学图像分割是图像分割中一个重要方面和应用领域。人工手动进行图像分割和标记存在很多问题，比如切割的结果好坏一定程度上取决于医生的经验和能力，分割过程具有机械性，而且分割过程耗时长，手动标记图像也存在较大的误差等等。医学图像分割是图像处理和计算机视觉领域的课题，是医学图像进行后续操作的必要前提，通过设计自动或半自动的分割算法，将医学图像中医生感兴趣的部分分割出来，并使分割结果尽可能地接近该区域的原始结构，分割结果直接影响着后续治疗和诊断任务的有效性和效率。由此可见，医学图像分割可以辅助医生确定病情以制定治疗计划，在临床诊断、病理诊疗方面具有重要意义。
眼睛是一种视觉系统，是人类最主要的感觉器官之一。眼底图像包含视网膜在内的多个结构，现代成像技术可以直接通过眼底图像观测到视网膜的微血管结构，实现对视网膜生理特征的相关研究。眼底图像携带着很多重要的病理信息，这些信息在对病人进行多种疾病的诊断中发挥了很重要的作用。本课题拟设计一个基于u-net网络的眼底图像血管分割算法，在对图像进行预处理的基础上实现对目标图像的自动分割。
2. 研究的基本内容与方案
本课程研究的基本内容和目标大体分为两部分，第一部分是算法功能的实现，即通过算法成功地实现对眼底图像血管的分割，利用python及tensorflow框架对u-net进行建模；第二部分是对算法功能的评估，运用一些数学公式，从机器学习和深度学习的原理出发，对眼底图像血管分割的效果进行评估。
通过互联网、电子资源数据库等途径查阅大量文献，对课题研究过程中需要掌握的相关知识进行初步了解，如图像分割与机器学习、深度学习领域的联系，基于深度学习的图像分割实现模型等相关知识。在对此课题有大致的理解之上，进行相关算法的学习。掌握图像分割模型所涉及的数学运算，进而通过代码实现运算。
3. 研究计划与安排
第1－4周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。
第5－6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉相关工具软件的使用。
第7－9周： 完成网络模型的搭建
4. 参考文献（12篇以上）
[1] chaudhuris, chatterjee s, katz n, et al. detection of blood vessels in retinal imagesusing two-dimensional matched filters[j]. ieee transactions on medical imaging,1989, 8(3): 263-269.
[2] li q,you j, zhang d. vessel segmentation and width estimation in retinal imagesusing multiscale production of matched filter responses[j]. expert systems withapplications, 2012, 39(9): 7600-7610.
[3] staalj, abramoff, m.d, niemeijer m, et al. ridge-based vessel segmentation in colorimages of the retina[j]. ieee transactions on medical imaging, 2004, 23(4):501-509.
