毕业设计 |《基于超声图像的甲状腺结节分类》(二)相关软件及技术

毕业设计

其他文章可查看以下列表 第一章 毕业设计《基于超声图像的甲状腺结节分类》(一)总论 第二章 毕业设计《基于超声图像的甲状腺结节分类》(二)相关软件及技术

---

---

前言

第二章讲诉下毕业设计前期软件以及一些技术。

---

一、总述

这一次的毕业设计主要方向是机器学习，对超声图像进行分割和分类。运用的软件主要分为前期对超声影像图像进行获取和处理，运用的软件主要有Radiant dicom viewer以及MATLAB；在开发语言上选择了Python，运算上使用CUDA这一架构，在搭建神经网络上运用了Pytorch框架。接下来将对软件和技术稍加介绍。

二、相关软件和技术

1.Visual Studio Code

在以前一些学习中Visual Studio Code使用多，因此在这一次毕设过程中仍选用了Visual StudioCode。
Visual Studio Code 是微软所开发的跨平台源代码编辑器， 可在桌面上运行，支持多种语言和文件格式的编写，并且有较多扩展。安装 Visual Studio Code可直接在https://code.visualstudio.com/下载。网上安装教程和环境配置较多并且详细不多赘述。Visual Studio Code还有一好处就是拥有许多的扩展，能够在一定程度上方便开发。

2.MATLAB

MATLAB是由Math Works公司发布的一款软件。它具有良好的开放性、计算稳定和便于使用等优点，广泛应用在了建模、信息处理和图像处理等领域。在这一次的毕设中我主要将它运用于对超声图像进行预处理。

3.Radiant

由于医学影像大多是dicom文件，为将这些文件转换为JPG等方便处理的格式，我运用了RadiAnt 这一图像浏览器很方便的将dicom文件转换成了易于处理的jpg图片，大大减少了前期图片分析和处理的时间。

4.Python

在这次的项目中我选择了python3.9。它是一种具备多种应用，兼具多种优点的计算机编程语言。它代码开发效率高，语法简单易读，在各个方面都有广泛运用。同其他语言相比具有开发便捷成本低、代码量少和使用成本低等优点。

5.CUDA

在运算中使用了NVIDIA公司推出的统一设备架构（CUDA），该架构使人们可以将GPU优异的运算能力用于图像处理算法等其他计算领域，能够有效处理深度学习中数据量大的问题。

6.Pytorch

在本次项目中使用了Pytorch框架。其源码简洁明了，功能众多，可以方便快捷地完成一个卷积神经网络的构建和训练。相对于其他一些框架，它具有支持GPU、创建神经网络、python优先等优点。

---

总结

以上六种软件及相关技术便是我在这次毕业设计中运用到的相关技术，在之后也会写文章来讲诉安装及使用中我遇到的坑，由于很多技术也是第一次接触，若有什么错误或者不当之处还希望各位大佬能够提出，互相交流共同进步。