项目成员：高依林 董萱

指导教师：董德鹏

作品简介：本作品以智能医学图像分割与肝脏智能问答为核心，设计并实现了一套集成深度学习、图像处理与智能交互的Web端系统。系统以U-Net为基础网络结构，结合HE直方图均衡化、GOE梯度增强等多种图像预处理方法，显著提升了肝脏CT影像分割的精度和鲁棒性。通过对原始数据与HE数据的双通道处理，系统能够适应多样化的医学影像特征，满足不同临床和科研场景下的分割需求。模型训练流程实现了全自动化管理，支持实时日志推送、训练曲线可视化以及多项性能指标的自动记录，为模型的持续优化和效果评估提供了有力工具。

图1 作品展示图

图2 作品展示图

项目创新点：

（1）技术创新：本系统在医学图像分割与智能问答的融合创新上具有明显优势。系统实现了原始与HE增强两种数据流的分割方案，针对不同影像特征自适应调整分割策略，提升了模型对复杂肝脏影像的适应性和分割精度。HE增强算法的引入，不仅优化了边缘检测能力，还为模型提供了更丰富的判别特征，适合处理边界模糊、对比度低的实际临床影像。这一创新大大拓宽了分割模型的应用场景，为医学影像领域的多样化数据处理提供了新思路。

（2）应用创新：系统提供了从数据上传、分割推理、结果可视化到智能分析和问答的一站式服务，极大简化了医学图像分割的操作流程。用户无需具备深厚的编程或AI基础，只需通过Web端简单交互，即可完成高质量的肝脏分割和相关知识获取。智能问答与语音播报功能的结合，不仅提升了用户体验，还为视障人士和临床医生的多场景使用提供了便利。系统的训练与评估流程严格遵循医学标准，支持多种指标的自动计算和历史保存，便于进行模型对比与优化。

项目视频：