智能化數(shù)據(jù)挖掘算法研究及在醫(yī)學(xué)影像診斷中的應(yīng)用.pdf

1、本項(xiàng)研究是受?chē)?guó)家自然科學(xué)基金資助的，課題名為“基于醫(yī)學(xué)圖像數(shù)據(jù)挖掘技術(shù)的研究”。在分析闡述智能化數(shù)據(jù)挖掘算法的基礎(chǔ)上，研究了神經(jīng)網(wǎng)絡(luò)理論、粗糙集理論等在醫(yī)學(xué)影像領(lǐng)域應(yīng)用的關(guān)鍵技術(shù)，并以乳腺癌診斷為原型，做了一些深入的研究和嘗試。主要從事了以下幾方面的研究： 1、研究并且比較了BP神經(jīng)網(wǎng)絡(luò)和徑向基神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)，設(shè)計(jì)并實(shí)現(xiàn)了基于乳腺腫瘤形狀特征的兩種神經(jīng)網(wǎng)絡(luò)分類器，試驗(yàn)表明徑向基分類效果優(yōu)于BP，分類效果較理想。 2、深

2、入研究了粗糙集(RS)理論：提出并實(shí)現(xiàn)了一個(gè)屬性約簡(jiǎn)和規(guī)則提取的集成算法。將此集成算法應(yīng)用于生理切片數(shù)據(jù)(來(lái)源于UCI數(shù)據(jù)庫(kù))并提取出精簡(jiǎn)規(guī)則，這些規(guī)則相比原數(shù)據(jù)更利于人們理解，并且有助于醫(yī)生快速了解病人病情。粗糙集理論進(jìn)行屬性約簡(jiǎn)不需要先驗(yàn)知識(shí)，完全是根據(jù)數(shù)據(jù)庫(kù)中的值進(jìn)行約簡(jiǎn)，而且與值的具體大小沒(méi)有關(guān)系。特別適用于離散數(shù)據(jù)，所以應(yīng)用粗糙集處理連續(xù)屬性之前必須先進(jìn)行離散化，本文深入探討了各種屬性離散化算法，試驗(yàn)表明離散化算法在一定程度上

3、影響約簡(jiǎn)屬性。 3、圖像增強(qiáng)和形狀特征提取根據(jù)醫(yī)學(xué)圖像的特點(diǎn)，改進(jìn)了基于RS的圖像增強(qiáng)算法并且首次將其應(yīng)用于醫(yī)學(xué)領(lǐng)域，并和直方圖均衡化算法進(jìn)行比較；實(shí)驗(yàn)表明基于RS的增強(qiáng)算法增強(qiáng)效果明顯，優(yōu)于直方圖均衡化算法。利用區(qū)域增長(zhǎng)的圖像分割技術(shù)實(shí)現(xiàn)腫瘤邊緣的準(zhǔn)確定位，并且提取了緊湊度、傅立葉描述子、不變矩作為邊緣形狀特征，實(shí)驗(yàn)結(jié)果表明，這些特征很好地刻畫(huà)了腫瘤的邊緣形狀，對(duì)區(qū)分良性腫瘤和惡性腫瘤非常有效。 4、將上述算法集成應(yīng)用