全文总字数：8426字
1. 研究目的与意义（文献综述）
1、目的及意义（含国内外的研究现状分析）
1.1 研究目的及意义
随着X线图像在临床医学上的广泛应用，医学图像分析亟需得到有力的发展。在20世纪70年代，医生借助学习得到的知识和实践积累的经验，分析病人的X线图像所反映的解剖结构和病生理信息。但是，这种人工解读方式，往往依赖于医生个人的经验、知识和情绪，且效率较低，不确定因素较多，具有一定的主观性及误操作等等问题。随着医学图像数据爆炸式增长，医学界亟需更高效，更准确的医疗图像识别技术。另一方面，在电子信息技术的驱动下，利用计算机技术辅助医学图像分析，不但可以提高放射医师分析诊断的效率，还能提高其精度。因此，计算机辅助检测和诊断正成为一个受到越来越多人关注的交叉学科。
2. 研究的基本内容与方案
2、研究（设计）的基本内容、目标、拟采用的技术方案及措施
本课题拟设计一个基于卷积神经网络的医疗图像识别系统。利用Python进行建模，针对医疗图像构建合适的模型，采用迁移学习的方式解决样本少的问题，通过C 构建GUI操作界面并将算法整合到操作系统之中，同时同传统分类算法如SVM，决策树等进行对比。
为了提高识别准确率深度卷积神经网络需要大量的训练样本。然而医学图像领域通常存在着标签数据少的问题，目前还缺乏大型的病变图像数据集。通过对图像样本进行仿射变换、透视变换、颜色抖动、对比度增强、叠加噪声等操作引入轻微的干扰而实现数据扩充，可以减少训练阶段的过度拟合，而提高网络的泛化性能。仿射变换包括平移、旋转、缩放、翻转、错。接等基本变换，具有平移性和平直性，即平移后直线仍然为直线，平行线仍然为平行线。通过透视变换可以实现现实生活中的不同视角。
3. 研究计划与安排
3、进度安排
第1－3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。
第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。
4. 参考文献（12篇以上）
4、参考文献
[1]Hinton G E, Osindero S, Teh Y, et al. A fastlearning algorithm for deep belief nets[J]. Neural Computation, 2006, 18(7):1527-1554.
[2] Roth H R, Lu L, Seff A, et al. A New2.5D Representation for Lymph Node Detection Using Random Sets of DeepConvolutional Neural Network Observations[C]. medical image computing andcomputer assisted intervention, 2014: 520-527.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
