基于貝葉斯模型的醫(yī)學(xué)影像分類技術(shù)的研究與應(yīng)用.pdf

1、隨著數(shù)字化醫(yī)學(xué)影像技術(shù)的不斷發(fā)展，現(xiàn)如今醫(yī)學(xué)影像設(shè)備在臨床醫(yī)學(xué)上廣泛應(yīng)用開來，基于醫(yī)學(xué)影像技術(shù)的計(jì)算機(jī)輔助診斷應(yīng)用也迅速普及起來。各種醫(yī)學(xué)影像模式，也已作為病情跟蹤、臨床醫(yī)學(xué)診斷以及教學(xué)研究等的重要客觀依據(jù)，并促進(jìn)了現(xiàn)代臨床醫(yī)學(xué)診斷技術(shù)的發(fā)展。運(yùn)用數(shù)據(jù)挖掘中的分類技術(shù)，對(duì)醫(yī)學(xué)影像分析處理后，挖掘出深層本質(zhì)特征信息，輔助醫(yī)學(xué)臨床診斷，減少醫(yī)生工作量的同時(shí)降低了由于醫(yī)生依靠臨床經(jīng)驗(yàn)進(jìn)行診斷的誤差。除此之外，對(duì)于學(xué)術(shù)研究的價(jià)值也比較高，應(yīng)用場(chǎng)

2、景也比較廣泛。但由于醫(yī)學(xué)影像本身的特點(diǎn)，比如樣本種類繁多，維度高，采樣周期不均等，使得醫(yī)學(xué)影像的診斷識(shí)別成為了一個(gè)復(fù)雜且非線性問題。在影像分類方法技術(shù)中，研究者們提出了很多基于神經(jīng)網(wǎng)絡(luò)、概率統(tǒng)計(jì)等方法，如貝葉斯分類方法等。
　　在貝葉斯分類方法的基礎(chǔ)上，研究者們提出了多方面上的改進(jìn)，包括最基本的樸素貝葉斯分類模型NB和后來的AODE分類模型等。對(duì)于即時(shí)性要求高的應(yīng)用場(chǎng)景，研究者們也提出了相應(yīng)的解決方法 AAPE分類模型。由于在選擇

3、父屬性時(shí)，AAPE分類模型本身不會(huì)考慮它們的選擇順序，即選擇順序?qū)Ψ诸惤Y(jié)果造成的影響，因此針對(duì)早期的分類可能精確度較低。
　　針對(duì)這一不足之處，本文通過引入遺傳算法，提出了基于該算法以及特征屬性權(quán)重的AAPGE分類模型。該模型將會(huì)權(quán)衡計(jì)算資源和分類結(jié)果精確度，使兩者能達(dá)到平衡，即時(shí)性要求下精確度也能達(dá)到一定程度。本文的主要研究成果如下：
　　1.在AAPE分類模型的基礎(chǔ)上，引入遺傳算法以及計(jì)算特征屬性權(quán)重的方法，提出了改進(jìn)的

4、貝葉斯分類模型 AAPGE。然后利用互信息以及卡方統(tǒng)計(jì)信息這兩種計(jì)算屬性權(quán)重的方法取得計(jì)算值分別作為遺傳算法的適應(yīng)度函數(shù)，并運(yùn)用遺傳算法計(jì)算屬性排序后的 SPODE。最后取得結(jié)果證明AAPGE分類模型比AAPE的精確度高，并且在分類早期精確度得以提升。
　　2.基于AAPGE分類模型，將設(shè)計(jì)并實(shí)現(xiàn)一個(gè)醫(yī)學(xué)影像分類系統(tǒng)原型。經(jīng)過實(shí)驗(yàn)測(cè)試，證明該模型相對(duì)于AAPE分類模型，分類的精確度上效果明顯提升，同時(shí)保證了分類的即時(shí)性和準(zhǔn)確性能達(dá)