1. 研究目的与意义
背景：
肺癌是全球癌症相关死亡的主要原因。我国大大小小医院都在采用低剂量ct扫描筛查高危人群的肺癌情况。在ct肺癌筛查中，需要分析数以百万计的ct扫描，这对放射科医生来说是一个巨大的负担。如果能通过计算机算法对ct进行快速的筛查和标注，那将大大减轻放射科医生的负担。因此，开发计算机算法以优化筛选显得尤为重要。
肺癌筛查ct扫描分析的重要第一步是检测肺结节，肺结节可能代表早期肺癌，也可能不代表早期肺癌。因此需要智能的算法对其进行判断
2. 研究内容和预期目标
研究内容:
本文主要研究的内容是面向肺结节检测的深度边框回归算法，在整个设计过程中需要完成以下工作：
---将lidc-idri提供的数据集读入内存中，
3. 研究的方法与步骤
本课题中使用python语言的开源发行版本anaconda中大量计算库和tensorflow人工智能学习系统进行开发。
研究方法：实验法，文献研究法和实证研究法相结合。
4. 参考文献
[1] k. he, x.zhang, s. ren, and j. sun, “spatial pyramid poolingin deep convolutionalnetworks for visual recognition,” in european conference on computer vision (eccv),2014.
[2] r. girshick, “fast r-cnn,” in ieeeinternational conference oncomputer vision (iccv), 2015.
[3] k. simonyanand a. zisserman, “very deep convolutional networks for large-scale imagerecognition,” in internationalconference on learning representations (iclr),2015.
5. 计划与进度安排
(1) 2022.12.20 — 2022.2.13 查找阅读文献资料；
(2) 2022.2.14 — 2022.3.15 进行需求分析，并提交开题报告以及准备翻译1篇相关的外文资料；
(3) 2022.3.15— 2022.3.25 完成概要设计；
