基于深度学习的医疗病理切片识别算法研究开题报告

1. 研究目的与意义（文献综述）

1.1 研究目的及意义

中国最新癌症数据显示，在中国，每年新发癌症病例达429万，占全球新发病例的 20%，死亡281万例。癌症防治已成为我国重要公共卫生问题。随着城市化的发展，男性的癌症风险逐渐降低，然而女性患癌风险却逐渐升高。

在女性癌症中，2013年乳腺癌的发病率和死亡率分别排位在第1位和第5位。乳腺癌可分为三个阶段：早期乳腺癌，局部晚期乳腺癌和晚期乳腺癌。对无症状妇女开展乳腺癌筛查，可以实现早期发现、早期诊断及早期治疗，从而降低乳腺癌患者的死亡率。研究表明，对乳腺癌临床分期越早，可有效降低乳腺癌的死亡率。临床上，病理图像是医生最后确诊乳腺癌的重要标准，而对病理图像进行准确地分类是医生制订最佳治疗方案的重要依据。因此乳腺癌病理图像的准确定性和分类识别具有重要的研究意义。

2. 研究的基本内容与方案

针对传统机器学习在病理图像诊断方面的性能不足、人工提取特征的复杂性高，以及常规深度学习在网络深度较大时会出现网络退化等缺点，本论文拟研究一种基于resnet50网络的乳腺癌病理图像自动分类模型。该模型主要分为源数据的预训练、迁移学习、目标数据的微调训练、模型性能的检验等内容，模型流程图如图1所示。

图1 模型流程图

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉相关工具软件的使用。

第6－9周： 完成网络模型的搭建

4. 参考文献（12篇以上）

[1] 陈诗慧, 刘维湘, 秦璟, et al. 基于深度学习和医学图像的癌症计算机辅助诊断研究进展[j]. 生物医学工程学杂志,2017(02):160-165.

[2] ker j, wang l , rao j , et al. deep learning applications inmedical image analysis[j]. ieee access, 2018, 6:9375-9389.

[3] kowal m, filipczuk p , obuchowicz a , et al. computer-aideddiagnosis of breast cancer based on fine needle biopsy microscopic images[j].computers in biology and medicine, 2013, 43(10):1563-1572.