醫(yī)學(xué)影像案例關(guān)聯(lián)模型挖掘及檢索技術(shù)研究.pdf

1、醫(yī)學(xué)圖像的檢索以及診斷技術(shù)研究作為計(jì)算機(jī)科學(xué)和醫(yī)學(xué)的交叉研究領(lǐng)域，逐漸成為國內(nèi)外醫(yī)學(xué)以及計(jì)算機(jī)科學(xué)領(lǐng)域的重要研究方向之一。利用數(shù)據(jù)挖掘技術(shù)可以挖掘出蘊(yùn)含在圖像內(nèi)部豐富的特征信息與規(guī)則，從而輔助醫(yī)生進(jìn)行相似案例的比較以及對圖像的診斷，學(xué)術(shù)價(jià)值較高并且應(yīng)用前景廣泛。目前，利用數(shù)據(jù)挖掘技術(shù)對醫(yī)學(xué)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(shù)據(jù)挖掘方法對醫(yī)學(xué)圖像進(jìn)行高效而準(zhǔn)確的處理具有現(xiàn)實(shí)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(yīng)區(qū)域生長方法，利用關(guān)聯(lián)規(guī)則對圖像特征進(jìn)行提取，并改進(jìn)關(guān)聯(lián)分類引擎算法(Associative Classifier Engine，ACE)實(shí)現(xiàn)對醫(yī)學(xué)圖像的分類。
　　本論文主要研究了以下幾個(gè)方面:首先，針對腫塊圖像分割這一難題，提出了一種自適應(yīng)區(qū)域生長方法對腫塊圖像進(jìn)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(yù)處理后的ROI，再

3、利用圖像的梯度信息自適應(yīng)地對圖像進(jìn)行生長，實(shí)現(xiàn)對腫塊的分割，將算法的分割結(jié)果與手動分割進(jìn)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(gè)感興趣區(qū)域的形狀特征及紋理特征共32個(gè)，采用基于關(guān)聯(lián)規(guī)則的特征選擇算法對圖像特性進(jìn)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(shí)現(xiàn)醫(yī)學(xué)圖像關(guān)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