(最新)利用数据挖掘技术构造医学图像分类器的研究

(最新)利用数据挖掘技术构造医学图像分类器的研究

ID:37177880

大小:286.33 KB

页数:3页

时间:2019-05-21

(最新)利用数据挖掘技术构造医学图像分类器的研究_第1页
(最新)利用数据挖掘技术构造医学图像分类器的研究_第2页
(最新)利用数据挖掘技术构造医学图像分类器的研究_第3页
资源描述:

《(最新)利用数据挖掘技术构造医学图像分类器的研究》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、时珍国医国药2008年第19卷第8期LISHIZHENMEDICINEANDMATERIAMEDICARESEARCH2008VOL.19NO.8育部门的协助和政府有关部门的支持与配合,要使全社会充分理社,2004:115.解,认识预防接种工作的意义。同时接种人员必须加强学习专业[2]王鸣.实用免疫接种培训教程,第1版[M].北京:中国中医药出知识和技能,解决工作中经常出现的情况和问题,积极和儿童家版社,2007:279.[3]耿静,张美莲,粟君香,等.过敏性紫癜患者的健康教育路径[J].长、监护人员沟通,共同促进预防接种工作,保证儿童身体健康,中国实用护理杂志,2006,22(2)

2、:58.提高生活质量。[4]白咏梅.小儿高热惊厥的阶段性健康指导[J].中国实用护理杂志,参考文献:2006,22(1):50.[1]罗耀星.免疫预防与疾病控制,第1版[M].广州:广东科技出版(学术探讨(利用数据挖掘技术构造医学图像分类器的研究姜萱(延边大学工学院计算机科学与技术专业智能信息处理研究室,吉林延吉133002)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

3、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;数字化诊断中图分类号:R814.49;O15文献标识码:A文章编号:100820805(2008)0822038202StudyofMedicalImageClassifierUsingDataMiningTechnologyJIANGXuan(IntelligentInformationProcessionLab.,DepartmentofComputerScienceandTechnology,Ya

4、nbianUniversity,Yanji133002,China)Abstract:Themulti-mediadataminingisthekeypartofthewholeresearchesaboutthemethodofmedicalimagesclassifica2tion.Underthebaseoftheanalysisandconclusionaboutthemethodsofderivingthevariouscharacteristicspreviouslyprovidedbyotherresearchers,thisframeworkofthemedicali

5、magesclassificationwiththeassociationrulesandclusteringwasprovided.Atfirst,theclusteringalgorithmwasusedforthecharacteristicinlocalareas,andthenthemedicalimageclassificationwasrealizedbytheassociationrules.Theresultsoftheexperimentshowedthattheaccurateratecouldbeimprovedbythismethod,andbetterte

6、stimonycouldbeprovidedfordigitaldiagnosis.Keywords:Datamining;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。得诊疗水平大大提高。数据挖掘就是从大量的、不完全的、有噪声的数据中,提取新颖本研究将医学图像的处理技术与数据挖掘技术有机结合,研的、有效的和潜在有用的信息,发现隐含在其中的模式、特征、规究医学图像数据的特征提取和医学图像数据的分类方法。医学律和知识。其所处理的数据类型很丰富,其应用领域也非常广图像分类效果的好坏

7、在很大程度上取决于提取的特征。目前国泛,但针对特定领域(如医学)的复杂数据类型的数据挖掘新方内外有大量的学者正在进行这方面的研究:Maria-Luiza,[1][2]法还有待研究。Osm提出的关联规则分类器和李丙春等的径向基函数网络医学图像的数据挖掘旨在从海量的图像数据中挖掘出有效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[3]的模型、关联、规则、变化、不规则以及普遍的规律,以加速医生决的是基于模糊粗糙集、数学形态学和分形特征分类器等。分策

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。