全文总字数：2570字
1. 毕业设计（论文）主要内容：
如何实现医学图像中感兴趣区域的自动化分割一直以来都是计算机科学领域中的热点研究课题。但由于医疗图像本身的复杂性以及对结果极高精确度的要求，使得该领域的自动化算法不能满足临床需要。实际应用中,分割这一重要步骤通常由拥有丰富实践经验的专业医生手动进行,工作量大,耗时长，且其结果的客观性因人、因时、因地而异。因此，为了减轻医生的工作量，提高工作效率，临床上也迫切需求一种能自动勾画出医疗图像中感兴趣区域的算法。
图像分割(Image Segmentation)技术是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的说就是在一副图像中，将目标从背景中分离出来。
随着在临床医疗中影像医学应用取得的巨大成功，在医疗图像分析中，图像分割技术所发挥的作用愈加重要。图像分割是对图像中特定组织或区域进行精确提取的不可或缺的手段，分割图像在组织体积定量分析、诊断、病变组织定位、解剖结构学习、治疗计划、功能成像数据局部身体效应校正、计算机引导手术等多种情况下得到广泛应用。
2. 毕业设计（论文）主要任务及要求
1. 查阅相关资料15篇以上（其中近五年英文文献不少于3篇）；
2. 完成开题报告；
3. 学习基于深度学习的医学图像分割算法的理论基础和相关算法；
3. 毕业设计（论文）完成任务的计划与安排
第1—2周：查阅相关的文献资料，对研究内容进行整体了解；
第3—4周：了解整体实现方案，完成开题报告；
第5—12周：根据方案进行设计和实现；
4. 主要参考文献
[1] Li H, Xiong P,Fan H, et al. Dfanet: Deep feature aggregation for real-time semanticsegmentation[C] //Proceedings of the IEEE Conference on Computer Vision andPattern Recognition. 2019: 9522-9531.
[2] Zhang H, Dana K,Shi J, et al. Context encoding for semantic segmentation[C]//Proceedings of theIEEE Conference on Computer Vision and Pattern Recognition. 2018: 7151-7160.
[3] LinG, Milan A, Shen C, et al. Refinenet: Multi-path refinement networks forhigh-resolution semantic segmentation[C]//Proceedings of the IEEE conference oncomputer vision and pattern recognition. 2017: 1925-1934.
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。
