基于深度学习的B超手术针尖识别系统产品系统

本项目是一款面向超声介入手术场景的辅助工具，旨在解决B超影像中手术针尖识别难度大、依赖人工经验、定位精度不足的问题。
在超声介入手术中，针尖位置的精准识别直接影响手术安全与成功率，传统方式依赖医生肉眼判断，易受影像噪声、组织遮挡影响，存在识别误差与风险。
本项目通过深度学习技术，实现B超影像中手术针尖的自动检测与定位，为医生提供实时辅助参考，提升手术效率与安全性。

项目主要包含三大核心功能模块：
1. 影像预处理模块：对输入的B超影像进行去噪、增强、ROI裁剪等预处理，提升影像质量，为后续识别提供清晰的输入数据；
2. 针尖检测与定位模块：基于深度学习目标检测算法，自动识别B超影像中的手术针尖，输出针尖的位置坐标与置信度；
3. 结果可视化模块：在原始B超影像上叠加针尖检测框与定位点，直观展示识别结果，支持实时显示与结果保存，便于医生查看与分析。
工具可辅助医生快速判断针尖位置，减少人工判断的误差与工作量。

本项目由我独立完成，从数据处理、模型训练到结果可视化均由我负责：
技术栈采用Python作为开发语言，使用OpenCV进行B超影像的读取、预处理与结果可视化；基于PyTorch搭建深度学习目标检测模型，完成数据集标注、模型训练、验证与优化；通过调整网络结构、损失函数与超参数，提升模型在低对比度、高噪声B超影像中的识别精度与鲁棒性。
实现难点在于B超影像噪声大、针尖特征不明显，通过数据增强、损失函数优化等方法提升了模型的识别效果，最终实现了端到端的针尖检测与定位流程，可直接部署为辅助工具使用。