1. 毕业设计（论文）主要内容：

脑部MR图像分割根据不同目的有不同的分类方法，本次毕业设计研究的是脑组织分类，即将脑部MR图像标记为灰质、白质与脑脊液三种不同的组织区域。目前已经有很多种进行脑部MR图像分割的算法，比如区域生长算法、马尔科夫随机场模型算法以及模糊集理论等等。但是随着神经网络的不断发展以及硬件性能的不断提高，神经网络在图像分割上的应用也逐渐变多，它的优点在于神经网络对于随机噪声有很强的鲁棒性以及容错的能力。拟采用卷积神经网络进行脑部MR图像分割，首先要通过构建合适的卷积神经网络，然后通过数据集对神经网络进行训练，最后将测试图片作为训练后的神经网络的输入，输出就会是不同脑组织的分类，统计分类的准确性并探讨改进的方法。

2. 毕业设计（论文）主要任务及要求

1. 要求阅读相关的参考文献不少于15篇，其中近五年外文文献不少于3篇。

2. 完成不低于5000汉字（20000英文印刷符）的教师指定的相关文献的英译汉翻译。

3. 完成开题报告。

3. 毕业设计（论文）完成任务的计划与安排

第1周—第3周 搜集资料，撰写开题报告；

第4周—第5周 论文开题；

第6周—第12周 撰写论文初稿；

4. 主要参考文献

[1] long j, shelhamer e, darrell t. fully convolutional networks for semantic segmentation[c]// computer vision and pattern recognition. ieee, 2015:3431-3440.

[2] chen l c, papandreou g, kokkinos i, et al. semantic image segmentation with deep convolutional nets and fully connected crfs[j]. computer science, 2014(4):357-361.

[3] ronneberger o, fischer p, brox t. u-net: convolutional networks for biomedical image segmentation[m]// medical image computing and computer-assisted intervention — miccai 2015. springer international publishing, 2015:234-241.