文献综述
一、课题目的及意义随着社会的进步，人们获取外部信息的方式更加丰富，更加多元化，其中，图像占人们从客观世界获取信息比例最大。
不过大量冗杂的图像数据严重影响了人们的工作效率，人们迫切的需要一个更高效的解决方案,希望机器能自动提取感兴趣的区域以协助进一步的分析，在医学中，医学图像分割技术便应运而生了[1]。
医学图像分割是医学图像处理中最具有价值的研究方向之一，在医学图像处理领域的各个方面均具有不可替代的作用。
医学图像分割的核心意义是通过一系列分割算法对复杂医学图像中感兴趣的区域进行分割，从而突出人体器官中的病灶组织，方便医生进行进一步的检查和分析。
相较于医学图像处理中对人体各个器官的定位、检测、识别等任务，医学图像分割任务更复杂，而且需要更高的精度，例如，肝癌、乳腺癌和前列腺癌等良恶性分级诊断，都取决于医学图像分割的质量如何[2-5]。
在医学研究和临床诊断方面，准确识别和分割目标区域有助于医生进一步分析和处理这些医学图像，例如，精确的分割有助于医生测量出癌症患者病变区域的大小和体积，便于医生制定更合适的医疗方案，进行精确用药，减少患者的痛楚，加快患者的康复速度。
由于医学图像分割的深刻意义和人工操作的复杂性，大量的医学图像分割方法已经被开发出来。
但在实际操作中，由于医学图像的样本量较小，不同结构之间的高度相似性和边界处的模糊性目前为止还没有一种通用的分割方法能够对人体的器官进行分割[6-8]。
目前主要有两大类医学图像分割算法，一种是传统的医学图像分割方法，它们都是基于某种规则的方法，同时还利用软计算和模糊理论开发了更多的自适应算法，例如，模糊聚类算法便是将模糊理论与聚类算法相结合的典范[9]。
以上是毕业论文文献综述，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。
