alpha1
一、需求调研：
目前比较好用的医学影像处理工具有OsiriX, 3DSlicer，ITK Snap，Seg3D等等。
其中最为优秀的可能就是3DSlicer，它可以运行在Mac OS, windows和linux上。3DSlicer主要是哈佛大学医学院布列根妇女医院(BWH)，麻省总医院(MGH)，依阿华大学(University of Iowa)和GE医疗开发的，有放疗引导，手术引导，放射组学，深度学习，XNAT接口，胸部影像平台(Chest Imaging Platform)等海量功能组件。而且是一款免费开源的软件，扩展性很高。
但也有两个缺点，1是暴露的参数太多了，使用非常复杂，必须仔细看文档或者参加培训班才容易上手。2是计算速度慢，缘于其使用了大量的硬盘文件缓存方式进行模块间通讯。
二、典型用户
| 典型用户 | |
|---|---|
| 姓名 | 张三 |
| 年龄 | >25 |
| 职业 | 医生 |
| 目的 | 为了更准确，更有效率地判断血管瘤 |
| 困难 | 人工判断费时费力，错误率不能达到极低 |
| 典型场景 | 在获得病人的x光片后，能够快速地帮助医生诊断血管瘤。 |
| 典型描述 | 能够更快地，更准确地获得结果 |
用户故事
小刘是医院里的医生，在某一天，接收到了某疑似血管瘤的病人小王。小王将拍片结果交给小刘，小刘依据自己的经验对病症进行判断，耗费了一些时间和精力，另外需要再花一些时间进行检验、校正。紧接着又有许多病人等待诊断。
下班后，小刘感到非常疲惫。心里在想，如果能有什么东西能加快图像的处理，减少诊断时间的话就好了，也就不会白耗时间和精力了。
项目的主要功能
输入医学图像，获得图像分割后的结果。
三、Alpha迭代阶段计划完成的场景和功能点
计划在不计运行时静态输入图片的场景下，可以在验证集上达到0.9的准确率以及0.85的IOU。
四、当前进展
在代码跑通的第一天，我们怀着激动的心情按下了提交键。看着网页上喜人的64名，我们眼中噙着未来前三的愿景，满目光明。接下来的一天，我们深入训练了模型，可惜由于过拟合，排名不增反降。而我们不愿就此放弃，后来的几天中，大刀阔斧的取精华去糟粕，搭出了自入校以来最完美的模型，甚至研究数日，得到了全新的transpose方法。我们满心希望，我们备怀憧憬，按下的不只是鼠标下的提交键，更是我们数日汗水的奖章。不出所望的，终于跌出了前一百，回到了最初的起点。现在的我们没了年少的血气方刚，图像分割割走了我们的棱角。而正在我写报告的时刻，宿舍的电费也因跑模型悄然耗尽，此刻的夜寂静的，黑漆漆的寂静。
