43 lines
2.1 KiB
Markdown
43 lines
2.1 KiB
Markdown
# 需求分析
|
||
|
||
开始时间：2026-05-18-17-40-02
|
||
|
||
## 用户目标
|
||
|
||
构建一个用于介入导丝视频中导丝分割的 Web 系统，支持多种分割方式、上传视频或图像、展示原图/掩膜/叠加结果，并可持续迭代到系统可运行。
|
||
|
||
## 工作流要求
|
||
|
||
1. 每次需求开始前记录时间戳。
|
||
2. 阅读或创建 `工程分析` 文件夹。
|
||
3. 本次需求分析写入当前文档。
|
||
4. 实现方案写入 `工程分析/实现方案-2026-05-18-17-40-02.md`。
|
||
5. 测试方案写入 `工程分析/测试方案-2026-05-18-17-40-02.md`。
|
||
6. 执行前阅读 `工程分析/经验记录.md`；执行后将关键问题按四段式写入。
|
||
7. 完成后使用 Gitea 备份 commit，并重新部署项目。
|
||
|
||
## 第一版可运行范围
|
||
|
||
- 后端提供导丝分割 API，支持图片和视频文件上传。
|
||
- 前端提供 Web 操作台，支持选择算法、参数调整、结果预览和下载。
|
||
- 分割方法至少包含：
|
||
- Hessian/Frangi 类细线增强。
|
||
- 边缘与形态学细线检测。
|
||
- 视频时序差分增强。
|
||
- 多方法融合与对比模式。
|
||
- 提供合成示例视频生成脚本，便于无真实介入视频时验证系统。
|
||
- 提供基础自动化测试和启动脚本。
|
||
|
||
## 技术检索摘要
|
||
|
||
- 近期导丝分割研究普遍强调 X 射线透视下低信噪比、导丝像素占比极低、骨骼/器械干扰和实时性要求。
|
||
- 深度学习方向包括多帧输入 CNN、轻量注意力网络、U-Net/Transformer 变体、拓扑保持损失和 sim-to-real 自适应。
|
||
- 当前工程第一版优先实现无需训练数据即可运行的传统图像处理与融合路线，并保留深度学习模型接入接口。
|
||
|
||
## 参考来源
|
||
|
||
- MSLNet and Perceptual Grouping for Guidewire Segmentation and Localization: https://www.mdpi.com/1424-8220/25/20/6426
|
||
- CathAction segmentation task: https://airvlab.github.io/cathaction/docs/segmentation/
|
||
- Fully Automatic and Real-Time Catheter Segmentation in X-Ray Fluoroscopy: https://arxiv.org/abs/1707.05137
|
||
- Lightweight attention network for guidewire segmentation and localization: https://qims.amegroups.org/article/view/136604/html
|