基于粗糙集理論的數(shù)據(jù)分類及其在醫(yī)學圖像識別中的應用研究.pdf

1、醫(yī)學影像診斷是醫(yī)學無創(chuàng)傷性診斷的主要方法之一。醫(yī)學影像已成為疾病診斷、術(shù)前決策、手術(shù)導航和術(shù)后隨訪等臨床工作的重要依據(jù)。面向醫(yī)學圖像的診斷技術(shù)研究作為醫(yī)學和計算機科學的交叉學科，已成為國內(nèi)外醫(yī)學領域研究的重要方向之一。利用數(shù)據(jù)挖掘和計算機技術(shù)，對醫(yī)學圖像進行分析、計算、處理，從醫(yī)學圖像中挖掘出蘊含在圖像內(nèi)的豐富特征信息和規(guī)則，輔助醫(yī)生進行醫(yī)學圖像臨床診斷，具有較高的學術(shù)價值和廣泛的應用前景。目前，面向醫(yī)學圖像的數(shù)據(jù)挖掘研究剛剛起步，現(xiàn)有

2、的數(shù)據(jù)挖掘方法直接應用在醫(yī)學圖像還存在許多問題。研究和探索適合于醫(yī)學圖像的數(shù)據(jù)挖掘方法及其算法具有重要而現(xiàn)實的意義。 粗糙集(Rough Sets)理論是由Pawlak教授于20世紀80年代初提出的一種用于處理不確定性和含糊性知識的數(shù)學工具，其基本思想是在保持分類能力不變的前提下，通過知識約簡，導出概念的分類規(guī)則。它無需提供相關(guān)數(shù)據(jù)集合外的任何先驗信息，適合于發(fā)現(xiàn)數(shù)據(jù)中隱含的、潛在有用的規(guī)律，找出其內(nèi)部數(shù)據(jù)的關(guān)聯(lián)關(guān)系和特征。近年

3、來，粗糙集理論和應用取得了很大的成功，已成為軟計算方法的一個重要分支，其涉及的領域包括模式識別、機器學習、決策分析和決策支持、知識獲取等領域。 本研究從醫(yī)學數(shù)據(jù)的特點出發(fā)，綜述了醫(yī)學數(shù)據(jù)挖掘的一般步驟及關(guān)鍵技術(shù)和粗糙集理論及其在醫(yī)學數(shù)據(jù)挖掘中的應用。根據(jù)本研究的需要也研究了數(shù)據(jù)預處理方法。在系統(tǒng)研究連續(xù)屬性的離散化和屬性約簡的基礎上，針對現(xiàn)有屬性約簡算法的不足，結(jié)合粗糙集理論、遺傳算法以及決策表的特點，提出了一種基于啟發(fā)式遺傳算

4、法的增強屬性約簡算法(Effident Algorithm of Reduction ofAttributes based on Genetic Algorithm，EARGA)，通過實驗說明算法改進是有效的。在知識分類方面，本研究分析了粗糙集和決策樹兩種數(shù)據(jù)挖掘技術(shù)的各自特點，并且探討了兩種挖掘技術(shù)結(jié)合的可能性，提出一種基于粗糙集和SLIQ決策樹相結(jié)合的分類新方法，彌補了大數(shù)據(jù)集分類效率不高的問題。將這種分類方法應用于醫(yī)學圖像分類之中