基于机器学习的组织病理学癌症检测开题报告

 2021-11-23 09:11

1. 研究目的与意义(文献综述)

癌症是危害人类健康且广泛存在的疾病,绝大部分的癌症患者的死亡是癌细胞的转移导致的,即转移癌。因此,在治疗过程中,对转移癌的及时识别与检测是非常重要的。转移癌有四种转移方式:淋巴结转移;血行转移;直接蔓延;种植性转移。其中,淋巴结转移是肿瘤最常见的转移方式,是指浸润的肿瘤细胞穿过淋巴管壁,脱落后随淋巴液被带到汇流区淋巴结,并且以此为中心生长出同样肿瘤的现象。因此,在临床诊断过程中,会优先提取癌变位置附近的淋巴结组织做成切片,经过染色,扫描等过程制作出全幻灯片级病理图像。

然而,人类医生需要积累大量经验才能对病理切片进行正确的分析判断,年轻或缺乏经验的医生容易出现误判。因此希望借助计算机视觉技术,开发能够对癌细胞在淋巴结组织中转移情况进行识别与分类的机器学习系统,这样可以帮助医生减少工作量和误判的可能性,更高效率的诊断具有极高的临床应用价值。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

研究内容及目标:

本项目以转移性乳腺癌为例,拟研究对转移性乳腺癌进行识别与分类的系统,具体来说,是对乳腺附近的前哨淋巴结切片进行识别,判断存在转移癌的概率。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

3.11-3.20 数据预处理,完成阶段性报告

3.21-4.10 创建分类模型M1的数据集,训练及调试两种分类模型M1(Inception v3,ResNet),讨论并选择其中性能最优异的模型,完成阶段性报告

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1]B. S. Veeling, J. Linmans, J. Winkens,T. Cohen, M. Welling. "Rotation Equivariant CNNs for DigitalPathology". arXiv:1806.03962

[2]Ehteshami Bejnordi et al. DiagnosticAssessment of Deep Learning Algorithms for Detection of Lymph Node Metastasesin Women With Breast Cancer. JAMA: The Journal of the American MedicalAssociation, 318(22), 2199–2210. doi:jama.2017.14585

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

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,微信号:bysjorg 、QQ号:3236353895;