局部質變因子在醫(yī)學數(shù)據(jù)分析中的應用與研究.pdf

1、近年來隨著生物醫(yī)學工程的迅猛發(fā)展，測量技術的提高使得大量的醫(yī)學信息以電子格式被記錄下來，這些信息不僅包括CT影像，X光片，各項生理指標還包括病人的年齡，性別，體重，身高，既往病史等等資料。隨著時間的推移，這些醫(yī)院的數(shù)據(jù)庫信息量不斷的膨脹，成倍的增長，數(shù)據(jù)庫技術的出現(xiàn)雖然使得這些信息的存儲和檢索變的非常容易，但是仍無法改變“數(shù)據(jù)豐富但知識貧乏”的現(xiàn)象。如何在計算機的幫助下利用這些寶貴的數(shù)據(jù)為疾病的診斷和治療提供依據(jù)，發(fā)現(xiàn)這些數(shù)據(jù)背后隱藏的

2、有價值的醫(yī)學信息逐漸受到人們的關注，并成為熱點問題。
　　 數(shù)據(jù)挖掘技術的出現(xiàn)為解決這些問題提供了可能。數(shù)據(jù)挖掘技術是指從數(shù)據(jù)庫中自動提取那些隱含在其中的，人們事前未知的信息的過程，所提取的信息可以表示為模式，規(guī)則，概念等多種形式。目前數(shù)據(jù)挖掘技術已在疾病診斷，醫(yī)學圖像分析，疾病相關因素分析等領域取得了較好的成果。
　　 聚類是數(shù)據(jù)挖據(jù)中一項重要的技術，邊界檢測是聚類技術的一個細分,而邊界檢測技術為醫(yī)學上疾病的預防與預測

3、提供了可能。本文針對目前現(xiàn)有的聚類邊界檢測算法經行研究并取得了相應的成果:
　　 (1)針對目前所提出的大部分聚類邊界算法不能適用于高維數(shù)據(jù)的問題進行相關的研究，提出了一種適用于高維數(shù)據(jù)的基于局部質變因子的聚類邊界檢測算法(BRINK)，該算法使用加權的歐式距離解決現(xiàn)有的大部分聚類邊界檢測算法不能適用高維數(shù)據(jù)的問題，利用局部可達密度確定每個對象的局部質變因子，依據(jù)每個對象的局部質變因子在聚類的邊界對象具有稍大于1的特性來識別聚類