摘要：了解当前胸片辅助诊断研究的情况；提出通过构建基于卷积神经网络的模型来完成对胸片的智能辅助诊断的方法，将采用TensorFlow上的神经网络开源接口构建基础模型，根据准确率和运行速度对模型进行评估和改进关键词：胸片辅助诊断、卷积神经网络、图像分类；1.引言随着人工智能的发展，原来越多的智能辅助系统应用于数据预测和辅助决策中，智能的医疗辅助系统也是当前机器学习应用的热门领域之一。
本系统主要用于辅助影像科医师对影像的诊断，由于卷积神经网络在图片处理上表现优异，故本系统采用基于卷积神经网络的方法，对胸片进行分类，辅助阅片医师对胸片结果的诊断，提高他们的读片准确率，减低他们的工作强度。
2．胸片辅助诊断研究的现状目前在胸片辅助诊断领域与很多相关研究，李文杰在《胸片计算机辅助诊断系统有效性、图像的一致化处理及去噪》[1]介绍了Kodak ChestCAD在胸片疾病诊断中的基本工作流程，并提出了胸片图像一致化处理和纹理细节处理的优化方法。
王昌淼[2]提出了基于深度特征融合的X光胸片肺结节分类方法和基于迁移学习和卷积稀疏降噪自编码混合模型的胸部病变检测筛选分级诊疗方法和其他检测方法和分类方法。
吴刚[3]通过对胸片图像的分割来提高对胸片图像诊断的准确率。
蒋涛[4]和黄中勇[ 5]分别阐述了深度学习和卷积神经网络在医学影像处理中的应用。
吴恩达团队[6]基于深度学习的胸片诊断可以诊断14种疾病，在其中11种疾病的诊断上，AI都与人类放射科医生的表现相当。
此外，关于胸片，除了通过影像诊断其症状之外，还有不少学者在研究定位病灶和肺结节的模型和算法。
总之，目前关于胸片辅助诊断的研究较多，但实际应用极少。
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。
