基于深度学习的乳腺肿瘤分割任务书

 2021-08-20 01:18:38

1. 毕业设计（论文）主要目标：

1.认识乳腺癌在我国的病况；2.学习U-Net、UNet 卷积神经网络结构；3.利用U-Net、UNet 卷积神经网络算法分割乳腺肿瘤区域；4.了解科研论文撰写的基本要领，培养撰写科研论文的基本能力，为今后的科学研究打下基础。

2. 毕业设计（论文）主要内容：

本毕业论文主要研究基于深度学习的U-Net、UNet 卷积神经网络算法 ，具体内容包括：（1）阐述U-Net卷积神经网络基本原理，分析其存在的问题；（2）提出改进U-Net算法，即U-net ,并对其结构进行阐述；（3）设计用于分割乳腺肿瘤区域的U-Net,UNet 网络，生成训练模型；（4）实验验证UNe t卷积神经网络算法相比UNet算法，分割效果更加精确。

3. 主要参考文献

[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] Fedorov, A., Beichel, R., Kalpathy-Cramer, J., Finet, J., Fillion-Robin, J.C., Pujol,S., Bauer, C., Jennings, D., Fennessy, F., Sonka, M., et al.: 3D slicer as an image computing platform for the quantitative imaging network. J. Magn Reson Imaging 30(9), 1323–1341 (2012) [3] Ronneberger Olaf,Fischer Philipp,Brox Thomas.U-net:Convolutional networks for biomedical image segmentation.Lecture Notes in Computer Science(including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) . 2015[4] Long J,Shelhamer E,T Darrell.Fully convolutional networks for semantic segmentation.IEEE Conference on Computer Vision and Pattern Recognition . 2015[5] Milletari,F,Navab,N,Ahmadi,S.A. 3D Vision .V-net:Fully convolutional neural networks for volumetric medical image segmentation.2016

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。

您可能感兴趣的文章