基于深度学习的乳腺癌病理图像自动分类技术研究开题报告

1. 研究目的与意义（文献综述）

美国肿瘤协会2018年1月发布最新调查数据中显示，乳腺癌居女性恶性肿瘤发病率之首。近20年来，我国乳腺癌的发病率逐年上升，严重影响妇女身心健康，尤其是京、津、沪等大城市。据国家癌症中心发布的《2018年全国最新乳腺癌报告》显示，中国女性乳腺癌发病率为女性恶性肿瘤第一位，死亡率为第5位。其增长速度高出西方国家，并呈现出明显的年轻化趋势，已成为威胁女性健康及安全的一项重要疾病，及早明确诊断，并予以患者有效治疗对改善患者预后有非常重要的价值，如何正确识别乳腺癌病理图像已成为提高乳腺癌防治效果的重要问题。

癌症病理图像是确诊癌症的重要标准，病理图像中包含了大量的特征信息，使得病理图像的准确分类识别具有重要的研究价值。随着人工智能技术的发展，科研人员对于医学图像的识别分类做了大量的针对性研究。主要集中在以下两个方面：

一是基于人工特征提取和传统机器学习算法的乳腺癌病理图像分类。但是此类分类算法大都是在小型数据集上开展，算法之间缺乏统一的对比标准，准确率之间不具有可比性。更重要的是，这些算法采用基于人工的特征提取方法，不仅需要专业领域知识，耗费大量的时间和精力完成，关键是要提取出有区分性的高质量特征也往往存在一定的困难，严重制约了传统机器学习算法在乳腺癌病理图像分类中的应用。

2. 研究的基本内容与方案

2.1基本内容

本次毕业设计内容是基于python开发一个乳腺癌病理图像自动识别分类的软件。主要采用tensorflow开源框架，它是一款便捷灵活、方便上手的深度学习工具。关于此次设计内容主要包含两个方面：一是设计卷积神经网络模型，尽可能提高乳腺癌病理图像识别分类的效率以及准确率；另一方面是将该功能通过一个软件得以实现，保证方便实用。

应用软件功能需求分析：

3. 研究计划与安排

1~3周：调研，完成开题报告的撰写。

4周：开题答辩，并完成总体设计。

5~6周：构建乳腺癌病理图像识别数据集。

4. 参考文献（12篇以上）

[1]eric matthes.python教程从入门到实践[m].人民邮电出版社，2016.07.

[2]郑泽宇，顾思宇.tensorflow 实战google深度学习框架[m].北京：电子工业出版社，2017.3.

[3]王恒，李霞，沈茜，徐文龙.基于autoaugment和残差网络的乳腺癌病理图像分类研究[j].中国计量大学学报，2019，30(03)：343-350.