基于關(guān)聯(lián)規(guī)則的醫(yī)學(xué)圖像分類研究.pdf

1、醫(yī)學(xué)影像診斷是醫(yī)學(xué)無創(chuàng)傷性診斷的主要方法之一。醫(yī)學(xué)影像己成為疾病診斷、術(shù)前決策、術(shù)后檢測和術(shù)后隨訪等臨床工作的重要依據(jù)。面向醫(yī)學(xué)圖像的診斷技術(shù)研究作為醫(yī)學(xué)和計算機(jī)科學(xué)的交叉學(xué)科，成為國內(nèi)外醫(yī)學(xué)領(lǐng)域研究的重要方向之一。利用數(shù)據(jù)挖掘和計算機(jī)技術(shù)，對醫(yī)學(xué)圖像進(jìn)行分析、計算、處理，從醫(yī)學(xué)圖像中挖掘出蘊(yùn)含在圖像內(nèi)的豐富特征信息和規(guī)則，輔助醫(yī)生進(jìn)行醫(yī)學(xué)圖像臨床診斷，具有較高的學(xué)術(shù)價值和廣泛的應(yīng)用前景。目前，面向醫(yī)學(xué)圖像的數(shù)據(jù)挖掘研究剛剛起步，現(xiàn)有的

2、數(shù)據(jù)挖掘方法直接應(yīng)用于醫(yī)學(xué)圖像還存在許多問題。研究和探索適合于醫(yī)學(xué)圖像的數(shù)據(jù)挖掘方法及其算法具有重要而現(xiàn)實的意義。
　　 論文討論了醫(yī)學(xué)圖像關(guān)聯(lián)規(guī)則挖掘的目的、意義和國內(nèi)外研究狀況，針對醫(yī)學(xué)圖像自身的特點(diǎn)及醫(yī)學(xué)圖像數(shù)據(jù)挖掘的應(yīng)用要求，分析了醫(yī)學(xué)圖像關(guān)聯(lián)規(guī)則挖掘方法。并對現(xiàn)有關(guān)聯(lián)規(guī)則挖掘算法存在的問題，提出基于分類樹的挖掘算法和基于頻繁模式二叉樹的數(shù)據(jù)挖掘算法，較好地解決了在挖掘海量圖像數(shù)據(jù)庫數(shù)據(jù)時現(xiàn)有算法效率低下問題，并初步建立

3、了基于圖像特征和挖掘算法的醫(yī)學(xué)圖像分類器。
　　 論文以醫(yī)學(xué)圖像數(shù)據(jù)為研究對象，從理論、算法和應(yīng)用三個方面進(jìn)行醫(yī)學(xué)圖像數(shù)據(jù)挖掘研究。工作的研究成果主要包括以下內(nèi)容：
　　 1.系統(tǒng)回顧醫(yī)學(xué)圖像的特征提取方法，并根據(jù)醫(yī)學(xué)圖像的特點(diǎn)，針對基于小波變換、基于灰度共生矩陣、基于灰度直方圖及基于密度函數(shù)等方法進(jìn)行分析并實現(xiàn)，提取出為分類器所用的醫(yī)學(xué)圖像特征。
　　 2.針對基于Apriori的算法需要多次訪問數(shù)據(jù)庫并產(chǎn)生大

4、量候選項目集的缺點(diǎn)，提出一種基于分類樹的算法。此算法減少了挖掘的數(shù)據(jù)量提高了挖掘的效率。同時采用分類樹存儲數(shù)據(jù)也減少了內(nèi)存的開銷。
　　 3.針對FP-GROWTH算法占用大量內(nèi)存的不足，提出二叉頻繁模式樹的挖掘算法。此算法可以減少內(nèi)存的開銷，適合于圖像等海量數(shù)據(jù)庫的關(guān)聯(lián)規(guī)則挖掘。
　　 4.應(yīng)用Apriori算法、FP-GROWTH算法及本文所改進(jìn)的關(guān)聯(lián)規(guī)則挖掘算法對提取的醫(yī)學(xué)圖像特征進(jìn)行關(guān)聯(lián)規(guī)則發(fā)現(xiàn)，并應(yīng)用興趣度高的