1. 研究目的与意义
1.毕业设计的内容1.1理论学习（1）研究卷积神经网络；（2）研究TensorFlow框架；1.2系统开发，实现以下主要功能，达到以下性能要求目前疾病诊断方法的影像检查方法包括胸片(X光)、CT、MRI，其肺部中，胸片是诊断肺部疾病的基础方法，目前肺部疾病类型的判别主要靠医师的经验。
随着人工智能技术的发展，对于图像的处理技术越来越先进，基于人工智能的辅助诊疗技术也应运而生。
卷积神经网络对于大型图像处理有出色表现，因此本文所提出的想法就是基于卷积神经网络建立一个对胸片辅助诊疗方法，用于提高临床诊断的准确率和效率。
2. 文献综述
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。
3. 设计方案和技术路线
一． 设计方案 图1 胸片辅助诊断设计方案本胸片影像辅助诊断包含算法设计和算法管理网站两个部分，算法设计为核心，管理网站则用于对算法数据集和参数的管理，简化优化、修改模型的过程。
二． 技术路线 图2 胸片辅助诊断技术路线网站模块采用以java为主的目前流行的网站开发框架和工具，算法模块采用以python为主的TensorFlow开源框架，并基于此做不断地优化。
4. 工作计划
2022年12月-2022年1月9日：结合导师的参考课题、收集的资料以及自身的思考，了解基于ssm框架的软件开发方法和TensorFlow的使用流程，并进行毕设选题申请、选题研究，着手开题报告的撰写，选题答辩的准备；1月9日2月10日：模型初步搭建完成，配套的网站也能初步投入使用。
2月11日2月27日：对初始模型有一个大概的评估，试着尝试他人的方法并有自己的改进思路，同时编排论文大纲。
2月28日3月10日：完善算法和网站细节，完成论文初稿。
5. 难点与创新点
1. 该辅助诊断系统可以大大减轻阅片医师的工作量，有很高的应用价值。
2. 卷积神经网络在图像识别方面愈发的成熟，有很好的实现前景。
3. 实际应用很少，离投入使用还有一段距离，但目前有很多研究者正在研究并提出了自己的改进方法，还有发掘的空间，值得研究。
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。
