基于醫(yī)學(xué)影像的模式分類與聚類挖掘技術(shù)的研究與應(yīng)用.pdf

1、本文對醫(yī)學(xué)影像數(shù)據(jù)挖掘中的一些關(guān)鍵技術(shù)和主要算法做了深入的研究。針對乳腺影像數(shù)據(jù)庫，提出了適合乳腺影像的分類算法和聚類算法，設(shè)計并開發(fā)了“乳腺癌計算機輔助診斷系統(tǒng)”。主要研究工作有： (1)使用了簡單有效的具有邊界保持的中值平滑濾波器算法，對數(shù)字化的乳腺X照片圖像進行去噪處理，清除圖像中的大部分噪聲。同時，為了改善圖像的質(zhì)量，使用了一種直接同質(zhì)增強技術(shù)對圖像進行增強處理。并與傳統(tǒng)的直方圖均衡化技術(shù)進行了對比。實驗結(jié)果表明，直接同

2、質(zhì)增強技術(shù)可以更有效地在保持圖像原有信息的基礎(chǔ)上增強圖像，從而使得基于此的系統(tǒng)具有更精準(zhǔn)的效果。 (2)為實現(xiàn)對乳腺X圖片的正常、異常分類，本文使用了灰度共生矩陣紋理分析方法，生成4個方向的共生矩陣，提取與方向無關(guān)的紋理特征，此外又提取了4個灰度統(tǒng)計特征，試驗證明，這些特征有助于提高對乳腺X圖片的正常、異常區(qū)分。為實現(xiàn)對異常乳腺X圖片的良性、惡性分類，本文采用了區(qū)域增長的圖像分割技術(shù)實現(xiàn)腫瘤邊緣的準(zhǔn)確定位，提取了緊湊度、矩、傅立

3、葉描述子和弦長統(tǒng)計量等腫瘤形狀特征。實驗結(jié)果表明，這些特征很好地刻畫了腫瘤的邊緣形狀，使得區(qū)分良性腫瘤和惡性腫瘤具有很高的精確度。 (3)在線性的近似支撐矢量機PSVM分類思想的基礎(chǔ)上進一步提出了非線性的近似支撐矢量機NPSVM分類方法。NPSVM算法較標(biāo)準(zhǔn)的SVM算法來說，速度更快，對硬件資源要求很低，更易于實現(xiàn)；同時，比PSVM更適用于現(xiàn)實中的非線性問題。試驗證明NPSVM比PSVM的訓(xùn)練準(zhǔn)確率和測試準(zhǔn)確率都要高，更適合我們