基于深度卷积神经网络的脑肿瘤图像分割开题报告

 2021-08-08 01:31:54

全文总字数:1793字

1. 研究目的与意义

脑肿瘤是一类常见的肿瘤类疾病,发病率和死亡率极高,如果不及时治疗可能会造成视力障碍、瘫痪、甚至危及生命。

目前,脑肿瘤的临床诊断与治疗主要依据相应的医疗检查结果进行判断,其中有超过90%的信息来自于各种类型的医学影像数据。

现有医学影像数据的分析大多需要通过医生进行人工解读,耗费大量的时间和人力。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 国内外研究现状分析

在过去的几十年中,专门用于自动化脑肿瘤分割的出版物数量呈现出显着增长的趋势。

这一现象不仅体现了对自动脑肿瘤分割工具的需求,而且还表明该领域的研究仍在进行中。

结合多模态mri信息的脑肿瘤分割可以追溯到2001年,fletcher, et a1.利用t1, t2和pd三个模态和聚类的方法提出了一种自动脑肿瘤分割方法。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究的基本内容与计划

本课题的主要研究内容如下:1. 学习图像分割的相关算法、思想;2. 学习深度神经网络的基本思想、算法,掌握深度卷积神经网络基础模型的使用;3. 搭建一个基本的CNN模型,测试在给定数据集上的准确率;4. 针对于脑肿瘤MR图像,设计新的CNN网络结构,与基础CNN测试结果相比较;5. 优化模型,实现系统可视化;研究计划:1月17日-2月19日 查阅相关资料,初步拟定设计方案;2月20日-4月01日 实现CNN在脑肿瘤分割方面的应用;4月02日-5月02日 完善系统,可视化设计;5月03日-6月03日 论文撰写及修改、准备答辩。

4. 研究创新点

本设计与传统的脑肿瘤手动分割方式不同,将如今发展迅猛的卷积神经网络应用到脑肿瘤图像分割中来,并对于实际应用场景拟设计一种双通道级联卷积神经网络,预计相比传统自动分割方式在准确率方面能有较大的提升。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。