1. 毕业设计（论文）主要内容：

基于生成对抗网络的多源医学影像融合算法研究，具体要求如下：
1. 掌握生成对抗网络的基本概念，学习机器学习和深度学习知识。

2. 了解mri和pet医学图像的相关特征。

3. 掌握数据集的预处理过程，及代码编写实现。

2. 毕业设计（论文）主要任务及要求

1.查阅中、外文相关资料。

文献不少于15篇（其中近5年外文文献不少于3篇)；
2.完成开题报告；
3..基于生成对抗网络得到mri和pet两种医学图像的特征信息以生成同时具备mri的纹理信息和pet的颜色信息融合图像，将处理结果存入文件中，通过与不同算法比较各种指标，进行主观和客观的对比实验，客观对比实验中是用指标作为衡量的标准确定算法性能；
4. 撰写出毕业论文，不少于15000字。

图纸折合成3张1~2号图纸，不少于15张图（包括：原理图、流程图、结构框图、程序框图等）。

3. 毕业设计（论文）完成任务的计划与安排

第1周：选定毕业设计题目，并查找相关资料；
第1~3周：查找资料；撰写开题报告；
第4周：根据系统框架确定设计方案；
第5~8周：完成数据集的预处理及网络框架；
第9~11周：完成代码编写；
第12~13周：完成整个系统，修复出现的错误；
第14~16周：撰写并提交毕业论文；
第17周：答辩。

4. 主要参考文献

[1] Jiayi Ma, Wei Yu, Pengwei Liang, Chang Li, Junjun Jiang,FusionGAN: A generative adversarial network for infrared and visible image fusion,Information Fusion,Volume 48,2019,Pages 11-26,ISSN 1566-2535,https://doi.org/10.1016/j.inffus.2018.09.004.
[2] Y. Liu, X. Chen, J. Cheng and H. Peng, "A medical image fusion method based on convolutional neural networks," 2017 20th International Conference on Information Fusion (Fusion), Xi'an, 2017, pp. 1-7.
[3] X. Du, Y. He, J. Li and X. Xie, "Single image super-resolution via multi-scale fusion convolutional neural network," 2017 IEEE 8th International Conference on Awareness Science and Technology (iCAST), Taichung, 2017, pp. 544-551.
[4] Gaurav Bhatnagar QM, Wu J, Liu Z (2013) Directive contrast based multimodal medical image fusion in NSCT domain. IEEE Trans Multimedia 15(5):1014–1024
[5]Liu X, Mei W, Du H (2017) Structure tensor and nonsubsampled shearlet transform based algorithm for CT and MRI image fusion. Neurocomputing 235:131–139
[6] A. James, B. Dasarathy, "Medical image fusion: a survey of the state of the art", Information Fusion, vol. 19, pp. 4-19, 2014.