1. 本选题研究的目的及意义
医学图像分析是医学影像学和计算机科学交叉融合的重要领域，对于疾病的早期诊断、治疗方案制定和疗效评估具有重要意义。
然而，医学图像的复杂性、多样性和信息丰富性也给图像分析带来了巨大挑战，如何高效、准确地提取和分类医学图像特征成为该领域的研究热点。
本选题旨在研究基于WND-CHARM框架的医学图像特征提取与分类方法，以提高医学图像分析的效率和精度，为临床诊断和治疗提供更可靠的依据。
2. 本选题国内外研究状况综述
近年来，深度学习在医学图像分析领域取得了显著成果，涌现出许多优秀的特征提取与分类方法。
其中，卷积神经网络（CNN）凭借其强大的特征提取能力，在医学图像分类、目标检测、图像分割等任务中取得了令人瞩目的成就。
然而，传统的CNN模型通常需要大量的标注数据进行训练，而医学图像标注成本高、难度大，限制了CNN在医学图像分析中的应用。
3. 本选题研究的主要内容及写作提纲
本研究将以WND-CHARM框架为基础，针对医学图像的特点进行改进和优化，构建高效准确的医学图像特征提取与分类模型。
具体内容包括以下几个方面：1.WND-CHARM框架分析：深入研究WND-CHARM框架的原理、结构和特点，分析其在医学图像特征提取与分类中的优势和不足。
2.医学图像特征提取：设计并实现适合医学图像特征提取的WND-CHARM网络结构，探索不同特征提取层对医学图像特征表达的影响，并通过实验进行验证和分析。
4. 研究的方法与步骤
本研究将采用理论分析、实验研究和比较分析相结合的研究方法，逐步推进研究工作。
1.文献调研阶段：查阅国内外相关文献，了解医学图像特征提取与分类的研究现状、发展趋势以及WND-CHARM框架的相关理论和应用，为研究方案的设计提供理论基础。
2.方法设计阶段：根据WND-CHARM框架的特点，结合医学图像的特点，设计适合医学图像特征提取的网络结构，并研究不同的特征融合策略和分类器选择方法。
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.提出了一种改进的WND-CHARM框架，并将其应用于医学图像特征提取与分类。
2.设计了一种新的特征融合策略，可以有效地融合不同层次的特征信息，提高特征表示的discriminative。
3.提出了一种针对医学图像特点的分类器优化方法，可以有效地提高分类精度。
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] 张丽,田捷.深度学习在医学图像分割中的应用[J].软件学报,2021,32(2):362-386.
[2] 张道远,周生,陈刚,等.基于深度学习的医学图像分割方法综述[J].计算机工程与应用,2020,56(22):1-13.
[3] 王洪元,王海龙,王立峰.基于深度学习的医学图像分类方法综述[J].计算机科学,2019,46(11):1-9.
