课题名称 基于人工智能的医学图像处理课题性质 radic;基础研究应用课题 设计型 调研综述 理论研究开题报告内容：（包括拟研究或解决的问题、采用的研究手段及文献综述，不少于2000字）一、 研究的背景及意义：近年来，医疗领域对深度学习的全面应用，包括自然语言处理、语音识别等。
值得一提的是，由于计算机视觉技术的飞速发展，深度学习在医学图像处理方面取得了令人瞩目的重大突破，人工智能从由声音、文字来理解世界，最后走向了从图像来看懂世界。
医疗系统的信息量巨大，而其中的图像数据高达90%多，这在数据量方面有着天生的优势。
医学图像种类众多，病理切片从传统的玻璃切片发展为数字切片。
其利用全自动显微扫描系统，结合软件系统，把传统玻璃切片进行扫描、无缝拼接，生成一整张全视野的数字切片（whole slide image，WSI），这为计算机处理切片信息提供契机。
而优质医疗资源的缺少和分布不均，使得临床医师的工作量剧增，并且患者个体差异大，往往一个资深的专家也需大量的时间才能做出判断，错判、误判也时有发生，致使工作效率大大降低。
而深度学习可在短时间内学习大量知识，形成科学合理的判断体系，作为辅助诊疗手段，大大提高了临床医师的工作效率。
因此，此研究方向在医疗领域的应用可能会率先投入市场。
二、拟研究或解决的问题：图像预处理：根据具体语义，对病理切片进行预处理（具体包括ROI提取、图像变换、图像增强和复原、图像分割等）；深度学习模型选择与优化：通过比较筛选出适合此课题的深度学习模型用于已处理的数据集的训练与测试；图像后处理：每个图片块经过深度学习预测得到概率值，依具体概率值给每个图片块着色，并拼接回原图生成概率热图，用以结果展示。
三、 采用的研究手段：图像预处理：利用Python数据分析工具Numpy、OpenCV、Openslide、TensorFlow等进行病理切片原图处理，并将大图分割成大小一致的图片块；深度学习模型选择与优化：综合文献及现有的其他模型，探索适合本课题的深度学习模型并加以优化，用于训练、测试。
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。
