全文总字数：4734字
1. 研究目的与意义（文献综述）
根据《2018年全球癌症统计报告：全球185个国家36种癌症发病率和死亡率的估计》，肺癌是目前所有癌症中发病率最高和死亡率最高的恶性肿瘤。根据《2018全球癌症统计报告解读》，中国的肺癌发病总数为77.4万，国内占比18.1%，全球占比为37.0%，肺癌死亡总数为69.1万，国内占比24.1%，全球占比为39.2%，发病数和死亡数均为国内最高。由此可见肺癌对公共健康有着极大的危害。
与其他癌症类型相比，提高肺癌存活率的进展十分缓慢，这主要归因于肺癌的诊断时间点较晚。尽早诊断对于提高肺癌的治疗效果和存活率有着显著的效果。长期以来，低剂量计算机断层扫描（ct）被认为是一种潜在的早期筛查工具，对于肺癌高风险人群，已证明其肺癌死亡率可降低20％。但肺部ct图像诊断给放射科医生带来了巨大的挑战：医生需要从大量的ct图像中找出肺结节，肺结节可能为肺癌的早期病变，也可能是其他良性病变；一位患者每次ct检测结果包含200-700张图片，医生的工作量十分巨大，且会因为疲劳和认为主观性造成漏诊和错诊。因此，计算机辅助诊断（cad）系统可以减轻临床医生的负担并提供独立的第二意见，从而有助于筛查程序的采用和推广。
cad系统可以根据患者肺部ct图像自动进行结节检测、分割和识别等功能，但cad系统的设计有着较高的复杂度与困难度，首先结节特征变化无穷且发生部位不固定，另外很难避免漏诊的情况发生。早期cad系统依赖于传统图像处理技术和人工特征，这些系统泛化能力较差，只能处理特定的情况，近年来随着深度学习技术的出现与发展，cad系统的效果得到了极大地提升。
2. 研究的基本内容与方案
（1）熟悉计算机视觉和医学图像处理中检测、分割和分类任务的常用方法。采用文献调研和课程学习的方法，以2012年以后深度学习技术为主学习常用的视觉检测、分割和分类方法，辨析传统计算机视觉与医学图像处理在三个任务中的异同点。
（2）熟悉python及其深度学习框架使用。首先掌握python的基本语法，学会目前流行深度学习框架的使用，其次掌握如何对基本深度学习模型进行编程。
（3）基于lndb的数据和评判准则完成肺癌检测、分割和分类三个任务。应用已掌握的方法构建肺癌自动诊断系统，完成肺癌检测、分割和分类等任务，根据lndb的评判准则与他人成果进行比较。
3. 研究计划与安排
2019.12-2020.3查找资料，文献归纳、分析、整理，撰写开题报告、翻译英文资料。
2020.3-2020.4熟悉软件编程。
2020.4-2020.5完成该系统整体实现，然后调试并完善展示效果。
4. 参考文献（12篇以上）
[1]王军. 基于胸部ct的肺结节计算机自动检测与人工智能辅助诊断关键技术研究[d].浙江大学,2019.
[2]jacobs c, van rikxoort e m, twellmann t, et al. automatic detection of subsolidpulmonary nodules in thoracic computed tomography images[j]. medical imageanalysis, 2014, 18(2): 374-384.
[3]setio a a a, jacobs c, gelderblom j, et al. automatic detection of largepulmonary solid nodules in thoracic ct images[j]. medical physics, 2015,42(10): 5642-5653.
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。
