基于圖論和差分進化的醫(yī)學(xué)圖像聚類分析方法的研究.pdf

1、隨著醫(yī)學(xué)成像技術(shù)的發(fā)展，越來越多的醫(yī)學(xué)圖像被應(yīng)用到醫(yī)務(wù)人員的診斷和治療過程中。為了更加有效地管理和利用這些圖像，研究人員開始關(guān)注醫(yī)學(xué)圖像聚類。
　　 本文首先介紹了醫(yī)學(xué)圖像挖掘的一些國內(nèi)外研究狀況，分析了現(xiàn)在關(guān)于圖像聚類和醫(yī)學(xué)圖像聚類的一些成果和不足之處，然后基于此，在保證聚類結(jié)果高精確度的前提下，將醫(yī)學(xué)領(lǐng)域知識引入聚類過程，舍棄傳統(tǒng)的基于圖像底層基本特征的區(qū)域提取方式，采用新的一組圖像特征對醫(yī)學(xué)圖像進行描述，進而在差分進化和圖

2、論的指導(dǎo)下進行聚類。
　　 本文的主要內(nèi)容和創(chuàng)新點包括以下內(nèi)容：
　　 (1)針對目前醫(yī)學(xué)圖像聚類算法普遍存在的參數(shù)敏感并且難以選擇的問題，提出將差分進化思想引入聚類算法，并以醫(yī)學(xué)知識作為算法過程的指導(dǎo)，改進算法對參數(shù)選擇不敏感，抗噪性能有所提高，而且不影響聚類結(jié)果的精確度。
　　 (2)通過研究醫(yī)學(xué)圖像中感興趣區(qū)域空間關(guān)系的特點，提出一種從image到graph的轉(zhuǎn)換方法，將醫(yī)學(xué)圖像按照一定的規(guī)則轉(zhuǎn)化為一個完全