利用数据挖掘技术构造医学图像分类器的研究论文

《利用数据挖掘技术构造医学图像分类器的研究论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、利用数据挖掘技术构造医学图像分类器的研究论文【摘要】基于数据挖掘的医学图像分类方法研究是多媒体数据挖掘的一个重要组成部分。在分析和总结了现有各种特征提取方法的基础上，提出了基于竞争聚类和关联规则的医学图像分类算法和基于关联规则的医学图像分类器框架。该算法先用竞争聚集算法实现医学图像的聚类，利用聚类的结果提取局部特征，基于局部特征用关联规则实现医学图像的分类。实验结果表明，用此方法较好地提高了医学图像分类的准确率，进而为数字化临床诊断提供了有利的证据。【关键词】数据挖掘图像分类医学图像数字化诊断Abstract：Themulti-mediadataminingisthek

2、eypartoftheethodofmedicalimagesclassification.Underthebaseoftheanalysisandconclusionaboutthemethodsofderivingthevariouscharacteristicspreviouslyprovidedbyotherresearchers,thisframeedicalimagesclassificationedicalimageclassificationentshoprovedbythismethod,andbettertestimonycouldbeprovide

3、dfordigitaldiagnosis.Keyining；Imagesclassification；Medicalimages；Digitaldiagnosis数据挖掘立于数据库系统和数据库应用学科最活跃的前沿。数据挖掘就是从大量的、不完全的、有噪声的数据中，提取新颖的、有效的和潜在有用的信息.freel［1］提出的关联规则分类器和李丙春等［2］的径向基函数网络分类器都采用了均值、方差、倾斜度和峰度4个特征；韩培友设计的是基于模糊粗糙集、数学形态学和分形特征分类器等［3］。分析这些研究结果可以发现，医学图像数据挖掘的研究是一项复杂的、具有挑战性的和多学科交叉的工作，开

4、展基于医学图像的数据挖掘技术的研究具有重要的理论意义和实用价值。1脑部肿瘤图像预处理和特征提取1.1图像预处理由于实际数据常常存在不完整性、噪声和不一致性，预处理就变得很重要。有两种数据预处理技术用于图像数据的数据挖掘，即数据清洗和数据变换［3，4］。数据清洗用于清除影响数据挖掘的噪声和孤立点。我们使用的图像包含大量有噪声的背景，有的图像看起来太暗，有的太亮。在预处理阶段，已有的方法都是进行图像的二值化，忽略了图像的最基本元素-像素本身的灰度所具有的意义，而且也没有很好地利用领域知识对图像进行预处理。本研究采用的图像预处理的步骤如下：1.1.1利用去噪技术对图像进行处理

5、经过去噪声处理后，可去掉图像中的大多数背景信息和噪声。1.1.2图像增强在图像生成、传输和变换过程中，由于多种因素的影响，总会造成图像质量的下降。图像增强的目的是采用一系列技术改造图像的效果或将图像转换成更适合处理的形式。图像的增强处理有两种方法：空域法和频域法。直方图均衡化是在空域中进行的灰度增强算法。一幅对比度较小的图像，其所有灰度级出现的相对频数相同，此时图像的熵最大，图像所包含的信息量最大。本研究采用广泛使用的直方图均衡化技术来实现图像的增强。同时，在此前应该完成去噪声处理，否则噪声也会同时得到增强。1.2特征提取原始的脑部医学图像的噪声处理和增强处理后，就可以

6、从这些清晰的图像中抽取与分类相关的图像特征。被抽取的特征组织在一个事物数据库中作为分类系统挖掘的输入。数据库的数据项主要包括：图像编码、图像类型、患者年龄、组织类型、病灶位置等原始病案数据以及从图像中提取出来的多个图像特征。如图像的钙化点，图像的纹理特征：角二阶矩、对比度、方差、逆阶矩、和平均、熵、以及和方差等。在这样的数据集上应用后面讨论的关联规则算法实施数据挖掘操作，从而将脑部肿瘤分类为良性和恶性。2利用竞争聚集算法进行数据离散化为了使用关联规则进行数据挖掘，数量型属性必须离散化。划分区间时，对于某些属性，若医生已经有约定的分割点，我们可以直接采用。但是，对提取出的

7、图像特征属性，没有经验阈值。Agra｝是项的集合。记D为数据库事务T的集合，并且TI。对应每一个事务有唯一的标识，记做TID。设X是一个I中项的集合，如果XT，那么称事务T包含X。一个关联规则是形如XY的蕴涵式，这里XI，YI，并且X∩Y＝。规则XY在事务数据库D中的支持度（Support）是事务集中包含X和Y的事务数与所有事务数之比，记为Support(XY)，即：Support（XY）=｜｛T；X∪YT，T∈D｝/｜D｜规则XY事务集中的可信度（Confidence）是指包含X和Y的事务数与包含X的事务数之比，记