利用数据挖掘技术构造医学图像分类器的研究

《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，更多相关内容在应用文档-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【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,andbettertestimonycouldbeprovidedf

3、ordigitaldiagnosis.　　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，发现隐含在其中的模式、特征、规律和知识。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法还有待研究。　　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，以加速医生决策诊断的过

4、程和提高其决策诊断的准确度。随着医疗数字化设备的快速发展，医学信息数据库中不仅包括病人的结构化的信息，还包括病人大量非结构化的医学图像信息，为医学图像的数据挖掘提供了丰富的数据源。　　近年来，随着计算机相关技术及图形图像技术的广泛应用，使医学领域尤其是临床诊断发生了重大的变化，开创了数字诊断新时代。借助于图形、图像技术的有力手段，医学影像的质量和显示方式得到了极大的改善，从而借助于图像处理与分析技术使得诊疗水平大大提高。　　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。医学图像分类效果的好坏在很大程度上取决于提取的特征

5、。目前国内外有大量的学者正在进行这方面的研究：Maria-Luiza，Osm［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

6、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

7、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