全文总字数：2177字

1. 研究目的与意义及国内外研究现状

宫颈癌是全球女性第二大最常见的恶性肿瘤，不但在女性生殖器官癌瘤中占首位，而且是女性各种恶性肿瘤中最多见的癌瘤，每年全球死于宫颈癌的妇女有20万，也是目前所有癌症中唯一病因明确的癌症。

数据显示，从高危型hpv病毒持续感染到发生宫颈癌，临床普遍认为时间跨度可以达到5-10年或者更长，所以有效、积极地开展宫颈癌筛查，早期发现并及时干预，能够显著降低宫颈癌的发病率。

而宫颈癌癌前病变的及时干预意义在于，目前宫颈癌的年轻化趋势越发明显，医学文献记载最年轻的宫颈癌患者仅为16岁，由此我们可以反思，如果高危hpv病毒的感染到发生病变，我们还停留在5-10年的认知中，那么我们很可能就会被常规认知所禁锢，从而影响到对患者个体差异的判断。

2. 研究的基本内容

在宫颈涂片计算机辅助诊断系统中，细胞图像自动化分割是整个系统的基础，分割结果的准确性，直接影响后续的定量分析和分类识别等步骤。

细胞图像的分割又分为细胞核分割和细胞质分割，在宫颈细胞图像中，单个细胞独立存在的情况比较少，多数细胞有相互重叠和粘连的现象，因此实现重叠宫颈细胞的有效分割是细胞质分割的关键，对提高计算机辅助诊断系统的准确性具有重要的意义。

实现重叠细胞分割之后，需要结合机器学习算法，利用单细胞组建训练集，对算法进行训练，提取图像的多重特征、计算细胞的核质比。

3. 实施方案、进度安排及预期效果

实施方案：组建训练集，搭建机器学习算法

进度安排：2017.03-2017.04.15 准备相关的实验工作

2017.04.15-2017.05.12 书写毕业论文及其他相关工作

4. 参考文献

[1] Song Y, Tan E L, Jiang X, et al. Accurate Cervical Cell Segmentation from Overlapping Clumps in Pap Smear Images.[J]. IEEE Transactions on Medical Imaging, 2016, PP(99):1-1.

[2] Bora K, Chowdhury M, Mahanta L, et al. Pap Smear Image Classification Using Convolutional Neural network[C] Tenth Indian Conference on Computer Vision, Graphics and Image Processing. 2016.