全文总字数：1449字
1. 毕业设计（论文）主要内容：
医学图像分割是临床诊断中的重要步骤之一,对病灶或肿瘤区域的精确分割,是在临床治疗中杀死病变细胞并保护未发生病变区域的重要依据之一。
卷积神经网络（ConvolutionalNeural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。
本课题拟设计一个基于CNN 的医学图像分割算法，利用从人体拍摄的医学图像中提取的特征数据对其进行有效分割，进而输出病变区域的分割结果。
2. 毕业设计（论文）主要任务及要求
（1）查阅相关文献资料15篇以上（其中近5年外文文献不少于3篇）。
（2）完成开题报告及任务书。
（3）利用Pycharm软件对基于卷积神经网络的医学图像分割算法进行实现。在提出的网络上进行数据集的训练和测试，并通过调整参数优化整个网络的输出结果。
3. 毕业设计（论文）完成任务的计划与安排
（1）第1－4周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。
（2）第5－6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉相关工具软件的使用。
（3）第7－9周： 利用Pycharm软件对基于卷积神经网络的医学图像分割算法进行实现。
4. 主要参考文献
[1] M. Saha, I. Arun, S. Agarwal, R.Ahmed, S. Chatterjee, and C. Chakraborty, “Imprint cytology-basedbreast malignancy screening: An efficient nuclei segmentation technique,” J. Microscopy, vol. 268, no. 2, pp. 155–171, 2017.
[2] M. Tabakov and P. Kozak, “Segmentationof histopathology HER2/neu images with fuzzy decision tree and Takagi–Sugenoreasoning,” Comput. Biol. Med., vol.49, pp. 19–29, Jun. 2014.
[3] 王江涛, 石红岩, 李文. 彩色图像分割算法综述[J]. 网络空间安全 , 2015(4)：76—80.
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。
