- 课题研究的背景与意义
随着医学成像技术的发展与进步，图像处理技术在医学研究与临床医学中的应用越来越广泛。医学诊疗过程中获取了多种不同器官、解剖形态、功能过程的图像，医学图像处理技术试图利用自动精确定量的计算机辅助图像分析，帮助临床医生和研究者高效准确地处理海量图像信息。
人工智能方法、机器学习技术在医学图像处理中的应用近年得到极大关注，主要应用在医学图像分割、图像配准、图像融合、图像压缩、图像重建等领域，方法包括蚁群算法、模糊集合、人工神经网络、遗传算法、进化计算、人工免疫算法、粒计算和多Agent技术等，涉及MR图像、超声图像、PET图像、CT图像和医学红外图像等多种医学图像。通过数据挖掘、案例推理等人工智能技术开发的医学专家系统弥补了医生人工诊断的主观性和局限性，为临床诊疗提供了更加客观、全面的决策支持。本课题调查研究人工智能和机器学习应用于医学图像处理的理论、方法、工具和应用开发。
- 课题研究内容
基于MATLAB软件的图像处理。
基于TensorFlow的机器深度学习的研究。
主攻关键技术
- 图像处理
利用MATLAB对源图像进行处理，根据图像的不同，可能涉及图像滤波、频域处理、噪声复原、图像压缩、图像分割等多种操作。
课题以图像分割为主，即将图像分成各具特性的区域并提取出感兴趣的目标的技术和过程，特性可以使灰度、颜色、纹理等。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。
- 机器学习
机器学习就是要使计算机能模拟人的学习行为，自动地通过学习获取知识和技能，不断改善性能，实现自我完善。机器学习的研究主要围绕学习机理、学习方法、面向任务这三个基本方面的研究。
深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
拟采取的研究方法
以上是毕业论文文献综述，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。
