开题报告内容：
一、选题背景与意义
医学图像是目前疾病治疗和诊断中的重要医疗手段，在肿瘤良恶性判断、骨性组织和软组织结构解剖、心脑血管疾病等重大疾病的临床辅助诊断、治疗等方面都至关重要。其中，细胞图像分割是对细胞及其他医学图像进行进一步研究的前提，在临床医学诊断、生物医学工程等领域都起着重要作用。在临床医学诊断领域，为获得图像中器官、组织或病灶的精确临床参数，医学图像分割是图像预处理过程中的关键步骤[1]。如在乳腺癌的诊断过程中，首先对病理细胞图像进行细胞的分割，进而对病理细胞图像作进一步的分析；在生物医学工程领域，如对基因表达数据的分析研究中，对细胞进行分割和计数起到重要的辅助分析作用[2]。但由于医学图像的复杂性与数据量的有限性，国内外学者仍在为了提高准确度和健壮性而不断提出作出改进的算法。
二、拟研究的问题
本课题拟对基于卷积神经网络的医学图像分割方法进行研究，主要就血细胞图像，通过目前已提出的区域卷积神经网络(RCNN)系列中的Faster R-CNN网络模型实现图像分割，并与其他算法进行比较，分析其优缺点，为今后的研究方向提供依据。
三、研究方法及步骤
1、阅读卷积神经网络及医学图像分割的相关文献，了解卷积神经网络(CNN)的基本原理与医学图像分割的特点和评价标准。
2、学习基于CNN的Faster R-CNN模型的算法原理，完成MATLAB下的代码实现。
3、运用MATLAB实现基于CNN的医学细胞图像分割，同时与其他几种算法（如Otsu算法、分水岭算法）得到的实验结果进行比较分析。
四、研究内容
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。
