1. 毕业设计（论文）主要目标：
1.了解前列腺癌症格里森分级的背景和意义，以及当前针对分级的方法的研究现状以及腺体对于格里森分级的重要性。
2.了解不同的深度分割网络的原理及其具体实现方式，考虑其对于医学图像中进行腺体区域自动分割的可能性尝试；3.通过深度分割网络对穿刺活检数据上的腺体区域构建自动分割模型，为后续特征提取进行基础性研究工作；4.论文写作严谨，格式规范，进度合理，按时按质完成论文的写作和提交。
2. 毕业设计（论文）主要内容：
1.学习相关研究工作，包括深度学习方法的应用、数据集的取用、腺体的特征以及结果验证评估等；2.获取前列腺穿刺活检数据，并对数据进行腺体标记及简单的预处理；3.调试实现不同的深度分割网络方法，比较选取恰当合适的分割网络；4.能通过深度分割网络对前列腺穿刺活检数据上的腺体区域进行自动分割，同时分析分割结果及测试验证；为后续在腺体区域进行特征提取进行基础性研究工作。
3. 主要参考文献
[1]. World Health Organization. http://www.who.int/mediacentre/factsheets/fs297/en/.[2]. 王云帆, 缪琦, 张晋夏,等. 穿刺活检前列腺癌119例病理形态、Gleason分级及预后分组[J]. 诊断病理学杂志, 2018(1).[3]. 郑众喜. 拥抱数字病理时代[J]. 实用医院临床杂志, 2017, 14(5):6-9.[4]. Naik S, Doyle S, Feldman M, et al. Gland Segmentation and Computerized Gleason Grading of Prostate Histology by Integrating Low-, High-Level and Domain Specific Information[J]. Miaab Workshop, 2007.[5]. Arvaniti E, Fricker K S, Moret M, et al. Automated Gleason grading of prostate cancer tissue microarrays via deep learning[J]. bioRxiv, 2018: 280024.[6]. 吕力兢. 基于卷积神经网络的结肠病理图像中的腺体分割[D]. 东南大学, 2016.[7]. Manivannan S, Li W, Zhang J, et al. Structure Prediction for Gland Segmentation with Hand-Crafted and Deep Convolutional Features.[J]. IEEE Trans Med Imaging, 2018, PP(99):1-1.
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。
