登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 开题报告 > 理工学类 > 自动化 > 正文

基于深度学习的乳腺肿瘤分割开题报告

 2022-01-14 21:10:56  

全文总字数:2773字

1. 研究目的与意义及国内外研究现状

目的:介绍基于深度学习的u-net分割网络,分析其结构和算法。在此基础上,介绍基于u-net结构并做出改进的unet 结构,实现更加准确,更加快速地分割乳腺肿瘤。

意义:随着机器视觉领域的不断发展,目前对医学图像分割的准确度和快速性要求越来越高。本论文通过分别构建u-net分割网络和unet 分割网络,对二者进行比较并验证unet 结构对提高分割图像准确度的有效性,具有一定的理论意义和实际价值。

国内外研究现状

过去的几年时间里,在研究机器视觉领域,深度卷积网络所取得的成绩超过了目前的技术所能达到的高度。但因为要考虑卷积网络的深度,还要顾及可使用训练集的数量等种种因素,它不是每次都能成功的。在考虑如何提升医学图像分割的精确性等问题时,本文提出一种基于嵌套密集跳过连接的unet 分割网络。相较于u-net,它具有更高的分割精确度,更快的分割速度。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容

研究内容:综述fcn、u-net和unet 网络的结构和算法,验证unet 相较于unet对分割精确度提高的有效性,具有一定的理论意义和实际应用价值。

主要包括:

(1)阐述当前乳腺肿瘤的病况背景;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 实施方案、进度安排及预期效果

实施方案:通过研究相关资料,了解fcn、 u-net、unet 的基本原理,掌握u-net和unet 网络结构和算法,构建深度网络模型,与理论研究不断交互,互相验证,最终完成本次毕业论文。

进度:

2月5日-2月19日查阅论文所需的相关资料,进行外文翻译

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献

[1] 韩泓泽,魏宾,隋栋,李帅.基于u-net的乳腺癌病理切片中癌细胞检测方法[j].精准医学杂志,2018,33(06):471-473 477.

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

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

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图