📠基于深度学习的多模态医学图像分割研究
📌【为什么值得做?】
随着计算机断层扫描(CT)、核磁共振成像(MRI)、正电子发射断层扫描(PET)、超声成像(Ultrasound)等医学影像技术的广泛使用,医学图像已成为疾病筛查、诊断和治疗过程中不可或缺的重要组成部分。本项目旨在探索融合不同模态医学图像之间的互补信息提升图像分割效果,为临床医学中各种疑难杂症的筛查、诊断、治疗等提供科学方法和先进手段,同时减轻医生工作强度,提高医生工作效率。
💎导师背景:
国内985高校副教授,拥有丰富的教学,科研和行业经验,曾在Medical Image Analysis, Computers in Biology and Medicine, Neurocomputing等国际期刊和会议上发表多篇论文。
💻课题内容:
学习深度学习的基本概念以及深度学习在医学图像分析中的基础知识,研究现状,主流方法和发展方向
在导师的指导下设计并实现具有一定创新性的多模态医学图像分割模型,并在真实数据集中验证模型效果
👫适合学生:
计划申请人工智能或计算机科学等相关专业同学可以面试评估









