醫(yī)學影像案例關聯(lián)模型挖掘及檢索技術研究.pdf

1、醫(yī)學圖像的檢索以及診斷技術研究作為計算機科學和醫(yī)學的交叉研究領域，逐漸成為國內外醫(yī)學以及計算機科學領域的重要研究方向之一。利用數據挖掘技術可以挖掘出蘊含在圖像內部豐富的特征信息與規(guī)則，從而輔助醫(yī)生進行相似案例的比較以及對圖像的診斷，學術價值較高并且應用前景廣泛。目前，利用數據挖掘技術對醫(yī)學圖像的研究不多，并且還存在許多問題。研究并探索出利用數據挖掘方法對醫(yī)學圖像進行高效而準確的處理具有現實而重要的意義。
　　圖像的有效分割可以保證

2、之后提取出來的圖像特征的可信度，本文提出了一種自適應區(qū)域生長方法，利用關聯(lián)規(guī)則對圖像特征進行提取，并改進關聯(lián)分類引擎算法(Associative Classifier Engine，ACE)實現對醫(yī)學圖像的分類。
　　本論文主要研究了以下幾個方面:首先，針對腫塊圖像分割這一難題，提出了一種自適應區(qū)域生長方法對腫塊圖像進行分割。首先利用最小二乘法擬合出腫塊感興趣區(qū)域(ROI)的背景區(qū)域，利用原區(qū)域減去背景區(qū)域得到預處理后的ROI，再

3、利用圖像的梯度信息自適應地對圖像進行生長，實現對腫塊的分割，將算法的分割結果與手動分割進行對比，采用誤分率評估該方法。其次，針對圖像特征的選擇，提取出每個感興趣區(qū)域的形狀特征及紋理特征共32個，采用基于關聯(lián)規(guī)則的特征選擇算法對圖像特性進行選擇，相比其它特征選擇算法，所選取的特征的檢索性能更出眾。然后，建立并實現醫(yī)學圖像關聯(lián)分類模型，采用最小描述長度方法(minimum descriptionlength，MDL)離散化圖像的連續(xù)特征，利