1. 毕业设计（论文）主要目标：
卷积神经网络（CNN）是当前图像识别领域的研究热点，利用预训练的CNN网络提取的图像特征展示出来较强的图像识别能力。以医学为例，通过改进CNN算法实现对图像中任意灰度区域的目标物进行分割，同时利用梯度信息和轮廓提取CNN确定轮廓，有效抑制了分割过度。人脑核磁共振成像中脑分割利用的CNN算法具有实用性和有效性。
2. 毕业设计（论文）主要内容：
本文是基于CNN的脑MR图像分割方法研究。主要内容是（1）通过阅读的国内外医学图像相关领域的文献，了解卷积神经网络分割技术的发展趋势以及医学图像处理中所面临的问题。（2）深入了解CNN,并熟悉脑MR图像特征（3）利用cnn分析脑mr图像分割出白质灰质脑脊液（4）通过对大量模拟数据和真实数据的分割，从运行时间和分割结果的精度等方面对算法进行评价。
3. 主要参考文献
[1] 罗述谦 人类核磁共振图像分割与组织自动分类[J]世界医疗器械杂志，1998.4（12）；120-163
[2]朱泉同.人脑MR图像分割方法研究[D]. 南京信息工程大学 2008
[3]李祥林，王昌元，李月卿，海马结构的MR图像分割方法［Ｊ］．中国医学影像技术杂志2002.2：187-192
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
