医学图像智能挖掘关键技术研究

医学图像智能挖掘关键技术研究

ID:33787792

大小:4.00 MB

页数:127页

时间:2019-03-01

医学图像智能挖掘关键技术研究_第1页
医学图像智能挖掘关键技术研究_第2页
医学图像智能挖掘关键技术研究_第3页
医学图像智能挖掘关键技术研究_第4页
医学图像智能挖掘关键技术研究_第5页
资源描述:

《医学图像智能挖掘关键技术研究》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、分类号:——密级:单位代码:!Q§21学号:2Q蝗!Q2Q西北大学博士学位论文指导教师周塑全专业技术职务熬撞q:N-(专业)盐簋垫圭鳢曼望途答辩日期2立Q51亘学位授予日期二零零五年五月米经!喧:尊朋鬻勿垒熏公希。一中文摘要复杂数据类型的挖掘是数据挖掘领域的重要研究方向。本文是在完成国家自然科学基金项目“基于医学影像的数据挖掘技术研究”的过程中,针对医学影像数据挖掘所涉及的一些关键技术和主要算法进行了深入的研究。基于乳腺影像数据库,提出了适合乳腺影像的图像增强算法及其量化评价方法、特征的提取和选择以及数据挖掘技术中的分类算法,研究成果己成功应用于计算机辅助诊断系统中

2、。主要工作和创新点在以下几个方面:1.本文将数据挖掘技术与数字图像处理技术有机结合,研究了图像数据的变换、特征提取和约简,利用支持向量机和粗糙集等方法,构建了进行医学图像数据挖掘的机器学习机制。2.为了解决高密度乳腺中病灶区域很难分辨的问题,本文提出了适合钼靶x线图像的基于灰度均匀度的图像增强算法,并首次与已实现的算法进行了量化评估。为今后的图像增强量化评价体系和指标的建立,提供了理论和实验基础。3.建立了一套比较完整的可以表征乳腺图像中肿块各方面特性的纹理特征、形状特征和统计特征,为肿块良、恶性计算机辅助分析提供了前提和基础。4.本文研究了PCA和粗糙集相结合的图

3、像特征选择方法,并提出了K-L变换结合属性平均依赖程度的算法进行特征选择。该算法能有效提高用于模式分类的特征选择效果。5.首次提出了基于医学图像特征的近似支持向量机(PsVM)的分类思想。该算法较标准的SVM算法来说,速度更快,对硬件资源要求很低,同时更易于实现,效果也较理想。6.在样本量有限且两类样本数量悬殊的情况下,PSVM算法的分类能力较低。就此问题,本文提出了DFP--PSVM算法,减弱多样本类对少样本类的影响,从而提高PSVM对于不均衡数据的分类能力。关键词:数据挖掘医学图像图像增强特征提取特征选择支持向量机ABSTRACTMultimediadatami

4、ningisallimportantbranchofdatamining.Thisdissertationfocusesonmaintechniquesandalgorithmsofdataminingbasedonmedicalimages.Onmammogmmdatabase,thecontrastenhancementofmammogramandevaluationmeasttres,featureextractionandselectionandclassificationalgorithmsareexplored.TheresearchworkCallbe

5、organizedinthefollowingaspects.1.Regardingthemedicalimages,thetransformation,featureextractionandreductsofimagedataarestudiedbyintegratingdigitalimageprocessingandpatternrecognition.Theprototypeandmechanismofmedicalimagedataminingispresentedunderthesupportvectormachineandroughsettheory

6、.2.Acontrastenhaneenlentoiluniformityisproposedespeciallyfordensebreasttissue,aimingtomakesuspiciousareamorevisible.Thisnewtechniqueiscomparedwimtwootherexistingcontrastenhancementtechniques---morphologicalenhancementandhistogramequalization--andisfoundtoperformbetterthaneither.3.Aseto

7、ffeaturescontainingalmosta11informationofbreastmassiscomputedformassdetectionandclassification,whicharethepreconditionandelementofcomputer-aideddiagnosis.4.PCA(PrincipalComponentAnalysis)isanimportantmethodforfeatureprojeetionandpaRemdimensionreductioninstatisticalanalysis.Androughse

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。