1. 本选题研究的目的及意义
随着计算机技术的发展和医学影像技术的进步，医学图像处理成为了辅助医生诊断和治疗的重要手段。
肝脏是人体最大的实质性器官，承担着代谢、解毒等重要功能，但由于其特殊的解剖位置和生理功能，极易受到各种疾病的侵袭，导致肝脏病变的发生。
计算机断层扫描（ComputedTomography，CT）作为一种非侵入性的影像学检查方法，能够清晰地显示肝脏的形态、结构及病变情况，为肝脏疾病的诊断和治疗提供了重要依据。
2. 本选题国内外研究状况综述
近年来，国内外学者在肝脏CT图像自动分割领域进行了大量的研究，取得了一系列的成果。
1. 国内研究现状
国内学者在肝脏CT图像分割方面取得了一定的进展，主要集中在传统图像分割方法和基于深度学习的分割方法。
3. 本选题研究的主要内容及写作提纲
1. 主要内容
本研究将针对现有肝脏CT图像分割方法存在的问题，研究基于深度学习的人体肝脏病变CT图像自动分割方法，主要研究内容包括：
1.数据收集与预处理：-收集一定数量的肝脏CT图像数据集，并对图像进行预处理，包括图像去噪、灰度归一化、数据增强等操作，以提高图像质量和训练数据的数量。
2.深度学习模型构建与训练：-研究和选择合适的深度学习网络模型，如U-Net、3DU-Net、SegNet等，并根据肝脏CT图像的特点对网络结构进行改进和优化。
4. 研究的方法与步骤
本研究将采用以下方法与步骤：
1.收集数据：从医院获取一定数量的肝脏CT图像数据，并进行脱敏处理，确保患者隐私安全。
2.数据预处理：对原始CT图像进行预处理，包括图像去噪、灰度归一化、图像增强等操作，以提高图像质量和模型训练效果。
3.数据标注：使用专业医学图像标注工具，对预处理后的CT图像进行肝脏及其病变区域的标注，构建训练数据集和测试数据集。
5. 研究的创新点
本研究的创新点主要体现在以下几个方面：
1.提出一种改进的深度学习模型：针对现有深度学习模型在肝脏CT图像分割中存在的不足，本研究将对现有的网络结构进行改进和优化，以提高模型的分割精度和泛化能力。
2.构建高质量的肝脏CT图像数据集：本研究将收集一定数量的肝脏CT图像数据，并进行高质量的标注，构建一个高质量的肝脏CT图像数据集，为模型训练和评估提供数据保障。
3.探索深度学习技术在肝脏病变CT图像分割中的应用：本研究将探索深度学习技术在肝脏病变CT图像分割中的应用，并对模型的性能进行评估，以期为肝脏疾病的诊断和治疗提供新的思路和方法。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
[1] 黎丽华,郭雷,王金武,等.基于深度学习的腹部CT图像肝脏分割方法研究进展[J].中国医疗设备,2022,37(09):101-105 110.
[2] 唐晓岸,徐凯,李宏伟,等.结合多尺度特征融合与通道注意力机制的肝脏CT图像分割[J].生物医学工程学杂志,2023,40(01):115-123.
[3] 邓超,张艳,刘芳,等.基于深度学习的肝脏CT影像分割方法综述[J].计算机科学,2022,49(S2):381-389.
