1. 毕业设计（论文）主要内容：

目标简介：

运用计算机对医学图像进行处理和分析，能有效地协助医生对病症做出诊断。胸部x光检查是最常见而且最具成本效益的医学影像检查之一。在2017年cvpr上，nih提供了一个新数据集，该数据集包含30805名患者的112120张正面视图的胸部x射线图像，以及利用nlp从相关放射学报告挖掘的14类疾病的图像标签。基于此数据集，训练能够分类单个病理或者病理组合的分类器。针对14种病理标签，考虑同时患病的可能性，重新组合，获得新的标签集合，并假定每种新标签相互独立。通过深度学习方法进行分类，并采用基于迁移学习的策略进行训练，完成医学图像的分类工作。

2. 毕业设计（论文）主要任务及要求

1.查阅15篇相关文献（含2篇外文），并每篇书写200—300字文献摘要（装订成册，带封面）；
2.认真填写周记，完成800字开题报告；
3.完成5000中文字以上的相关英文专业文献翻译，并装订成册（中英文一起，带封面）；
4.完成系统的编码与调试；
5.完成10000字以上的毕业论文；
6.进行论文答辩。

3. 毕业设计（论文）完成任务的计划与安排

(1)2018/1/14—2018/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；
(2)2018/3/1—2018/4/30：系统架构、程序设计与开发、系统测试与完善；
(3)2018/5/1—2018/5/25：撰写及修改毕业论文；
(4)2018/5/26—2018/6/6：准备答辩。

4. 主要参考文献

[1] X. Wang, Y. Peng, L. Lu, Z. Lu, M. Bagheri and R. M. Summers, ChestX-Ray8: Hospital-Scale Chest X-Ray Database and Benchmarks on Weakly-Supervised Classification and Localization of Common Thorax Diseases[C]. 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017, pp. 3462-3471.
[2] Li X, Mao W, Jiang W. Extreme learning machine based transfer learning for data classification[J]. Neurocomputing, 2016, 174:203-210.
[3] Liu X, Wang G, Cai Z, et al. Bagging based ensemble transfer learning[J]. Journal of Ambient Intelligence amp; Humanized Computing, 2016, 7(1):29-36.
[4] Guang-Bin Huang, Hongming Zhou, Xiaojian Ding, et al. Extreme Learning Machine for Regression and Multiclass Classification[J]. IEEE transactions on systems, man, and cybernetics. Part B, Cybernetics: a publication of the IEEE Systems, Man, and Cybernetics Society, 2012, 42(2):513.
[5] Christodoulidis S, Anthimopoulos M, Ebner L, et al. Multi-source Transfer Learning with Convolutional Neural Networks for Lung Pattern Analysis[J]. IEEE Journal of Biomedical amp; Health Informatics, 2016, PP(99):1-1.