孤立點分析在醫(yī)學(xué)領(lǐng)域的應(yīng)用研究.pdf

1、隨著現(xiàn)代信息技術(shù)的迅速發(fā)展，許多領(lǐng)域都積累了大量的數(shù)據(jù)，我們渴望發(fā)現(xiàn)潛在于這些數(shù)據(jù)中的知識與規(guī)律，正是這一需求造就了數(shù)據(jù)挖掘?qū)W科的興起及數(shù)據(jù)挖掘技術(shù)的發(fā)展。數(shù)據(jù)挖掘技術(shù)主要的目的就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識，作為一個多學(xué)科交叉的綜合性領(lǐng)域，數(shù)據(jù)挖掘涉及了數(shù)據(jù)庫、統(tǒng)計學(xué)、機器學(xué)習(xí)、高性能計算、模式識別、神經(jīng)網(wǎng)絡(luò)和數(shù)據(jù)可視化等學(xué)科。
　　

2、 聚類分析是數(shù)據(jù)挖掘中的一個重要研究領(lǐng)域。所謂聚類，就是把沒有類別標(biāo)記的樣本集按某種準(zhǔn)則劃分成若干類，使類內(nèi)樣本的相似性盡可能大，而類間樣本的相似性盡量小，是一種無監(jiān)督的學(xué)習(xí)方法。聚類分析通常是在沒有先驗知識支持的前提下進行的，它所要解決的就是在這種前提下，實現(xiàn)滿足要求的類的聚合。聚類分析的研究主要集中在聚類算法上，產(chǎn)生性能好而且實用的聚類算法是其終極目的。迄今為止，人們提出了很多種不同的適用于數(shù)據(jù)挖掘的聚類算法，但這些算法僅適用于特

3、定的問題及用戶，而且它們在理論和方法上仍不完善，甚至還有嚴(yán)重的不足之處。對聚類算法的進一步優(yōu)化研究將不僅有助于算法理論的完善，更有助于算法的推廣和應(yīng)用。
　　 醫(yī)學(xué)圖像的數(shù)據(jù)挖掘不僅是數(shù)據(jù)挖掘研究領(lǐng)域的一個熱點，也是難點。目前圖像挖掘的工具較少，挖掘過程需要人工干預(yù)，很難實現(xiàn)完全的自動化。
　　 在實際的醫(yī)療工作中，醫(yī)生對病人的醫(yī)學(xué)圖片的檢查往往是通過多年的臨床經(jīng)驗來進行的，而個人的臨床經(jīng)驗又不可能面而俱到，何況檢查的過

4、程中還會存在很多的偶然性的干擾因素，所以很有必要利用數(shù)據(jù)挖掘技術(shù)為醫(yī)療行業(yè)提供幫助。
　　 孤立點分析又稱孤立點挖掘、異常檢測、例外挖掘、小事件檢測、挖掘極小類、偏差檢測。孤立點可能是“臟數(shù)據(jù)”，也可能是與實際對應(yīng)的有意義的事件。從知識發(fā)現(xiàn)的角度看，在某些應(yīng)用里，那些很少發(fā)生的事件往往比經(jīng)常發(fā)生的事件更有趣、也更有研究價值。因此，異常數(shù)據(jù)的檢測和分析是一項重要且有意義的研究工作。
　　 本文針對傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)在圖像挖