1. 毕业设计（论文）主要内容：

生成式对抗网络（gan, generative adversarial networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。

在图像分割中，现有的模型通常对每个像素的类别进行预测，像素级别的准确率可能会很高，但是像素与像素之间的相互关系就容易被忽略，使得分割结果不够连续或者明显地使某一个物体在分割结果中的尺寸、形状与在金标准中的尺寸、形状差别较大；其次，医学图像中标注的样本很少且难以获得。

对抗学习（adversarial learning）就是为了解决上述问题而被提出的一种方法。

2. 毕业设计（论文）主要任务及要求

（1）查阅相关文献资料15篇以上（其中近5年外文文献不少于3篇）。

（2）完成开题报告及任务书。

（3）研究gan算法的原理，可以根据输入的医学图像，来自动检测和定位肿瘤。

3. 毕业设计（论文）完成任务的计划与安排

（1）第1－4周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

（2）第5－6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉相关工具软件的使用。

（3）第7－9周：编程实现各算法，并进行仿真调试。

4. 主要参考文献

[1] p. luc, c.couprie, s. chintala, and j. verbeek. semantic segmentation using adversarialnetworks. in advances in neural information processing systems workshops (nips workshops),2016. 2, 3

[2] w.zhu, x. xiang, t. d. tran, and x. xie. adversarial deep structural networks formammographic mass segmentation. in arxiv:1612.05970 [cs], dec. 2016.arxiv:1612.05970. 3

[3]you, x., et al., segmentation of retinal blood vessels using the radialprojection and semi-supervised approach. pattern recognition, 2011. 44(10-11):p. 2314-2324.