1. 研究目的与意义（文献综述）
肺癌是当前严重威胁人类生命的恶性肿瘤之一,全球每年以0.5%比例递增,是全球发病率上升最明显的恶性肿瘤。其死亡率已跃居各种恶性肿瘤之首,但发现的肺癌多为中晚期。当下影像学检测肺癌最重要的两个手段为胸部x片和计算机断层成像（ct），ct可进一步验证病变所在的部位范围，也可大致区分良恶性。本次肺癌检测系统设计就是基于ct图片展开。
生成对抗网络（generativeadversarial networks，gans）最早由ian goodfellow于2014年提出，作为一种优秀的生成式模型以其优越的性能一跃成为深度学习研究领域的热点。原始gans由生成（generator）与判别器（discriminator）两部分组成，基于博弈论，经过训练最终两者达到稳态。在对抗网络中，生成模型与判别模型可以是神经网络，从卷积神经网络，递归神经网络到自动编码器，没有任何限制。一般而言，生成器与判别器分别对应两组输入输出，其中生成器的输入包括随机向量和数据集图片，输出包括随机向量经过生成器模型产生的新向量和数据集图片转化而成的向量；判别器的输入为生成器的输出，判别器的输出为对输入的判断（0/1）。
原始gans的流程图（如图1所示）：
2. 研究的基本内容与方案
本次设计要求以医学图像病例数据为研究对象，重点研究基于生成对抗网络方法的肺癌检测算法，旨在为医生提供更加准确有效的诊断方法，对肺癌的早期诊断和治疗具有积极作用，综合运用专业的相关知识技能。总体设计流程如下（后台设计如图5所示，系统设计如图6所示）：
3. 研究计划与安排
（1）、 2020/1/13—2020/2/28：查阅有关的参考资料并明确选题，确定技术路线，完成并提交开题报告；
（2）、 2020/3/1—2020/4/30：进一步阅读文献，并分析和总结相关技术细节，搭建开发实验环境，建立产品原型并验证技术路线；
（3）、2020/5/1—2020/5/25：完善产品设计与开发，基于前期搭建的产品原型深入进行系统的编码、调试、集成、测试工作。撰写论文初稿；修改论文，定稿并提交论文评审；其中第10周左右进行毕业设计中期检查，需要提交论文前三章和毕业设计框架；
4. 参考文献（12篇以上）
1.gan：实战生成对抗网络. kuntal ganguly著，电子工业出版社，2018
2. 生成对抗网络入门指南.史丹青著,机械工业出版社, 2018.
3.生成式对抗网络：从生成数据到创造智能. 王坤峰,左旺孟,谭营,秦涛,李力,王飞跃,自动化学报, 2018, 44(5): 769-774
