采用深度学习方法的医学图像处理智能系统开发开题报告

1. 研究目的与意义

基于深度学习技术对图像进行分析，并将其应用到医学等领域中，已经成为新的计算机技术研究前沿。组织病理学检查是病情诊断必不可少的步骤之一，但是组织病理图像具有复杂性和多样性，这极大地增加了医生的负担；并且医生的经验阅历的丰富与否常常会影响到图像分析的准确性。因此，使用计算机技术对图像进行处理，将会医生的降低工作量和工作强度。运用这种技术，对医学图像进行处理，对患者的病情进行定性分析，来帮助医生进行更好的诊断。

2. 研究内容和预期目标

研究内容及写作提纲主要分为五个部分，具体如下：

第一部分主要介绍本课题的研究背景，分析深度学习处理图像对医生工作支持的价值。

第二部分对相关技术背景和将使用的算法或技术进行介绍。

3. 国内外研究现状

二十世纪末，计算机辅助诊断病理学图像的技术研究开始出现，但是由于当时的技术和理论发展不够以及图像数据不丰富等原因，早期计算机处理图像这一领域的研究规模非常小。二十一世纪初，随着医学领域数字影像技术、模式识别和机器学习中图像处理相关算法的快速发展，对于组织病理图像的研究得到了飞跃式的发展。在这一领域的早期研究中，常用的图像处理算法有分水岭算法、活动轮廓、水平集算法、k．means聚类算法等等。通过对医学图像的分析处理，提取图像中的形态和纹理等相关特征，使用传统的分类器，如支持向量机或基于特定问题设计的分类器对图像进行分类。

4. 计划与进度安排

2022.11.10-2022.12.20 确定论文选题

2022.12.21-2022.12.28 完成开题报告

2022.12.29-2022.01.27 研究论文相关的主要基础知识内容

5. 参考文献

[1]田娟秀, 刘国才, 谷珊珊, 鞠忠建, 刘劲光, 顾冬冬. 医学图像分析深度学习方法研究与挑战. 自动化学报, 2018, 44(3): 401-424.

[2]周志华. 机器学习 : machine learning[m]. 清华大学出版社, 2016.

[3] 陈莉, 何松. 临床肿瘤病理学[m]. 科学出版社, 2015.