冠脉造影图像血管树提取方法研究的中期报告本中期报告将介绍冠脉造影图像血管树提取方法的研究进展，包括数据集的准备、血管分割方法的选择和实现、结果的评价等方面。首先，我们采用了公开数据集SCAAR（SwedishCoronaryAngiographyandAngioplastyRegistry）和CAG（CoronaryAngiography）中的冠脉造影图像作为研究对象。这些数据集包含了多种冠脉病变情况的图像，以验证我们提出的方法适用性和鲁棒性。其次，我们对比了几种不同的血管分割方法，包括阈值分割、基于形态学的方法和机器学习方法等。经过实验比较，我们最终选择了基于卷积神经网络（CNN）的方法，因为它在准确度和泛化能力方面表现最佳。最后，在采用所选方法对数据集进行分割后，我们对结果进行了评价，包括准确率、召回率、F1得分等指标。结果表明，我们提出的方法能够准确地提取出血管树，达到了预期效果。总的来说，我们的研究结果表明，采用基于CNN的血管分割方法可以有效地提取冠脉造影图像中的血管树。未来我们将继续优化和扩展该方法，并在更广泛的数据集中进行进一步验证。