论文题目: 医学图像数据挖掘若干技术研究
论文类型: 博士论文
论文专业: 计算机应用技术
作者: 宋余庆
导师: 孙志挥
关键词: 医学图像,聚类分析,特征提取,关联规则,图像分类
文献来源: 东南大学
发表年度: 2005
论文摘要: 医学影像诊断是医学无创伤性诊断的主要方法之一,是国内外医学领域重点研究的方向。医学图像具有很大的数据量。医学图像中蕴含着丰富的图像特征信息和规则,有待人们去研究和认识,所以,面向医学图像的数据挖掘技术研究成为医学和计算机科学交叉学科研究的一个十分重要的领域。医学图像的高分辨率、数据的海量性、图像特征表达的复杂性等特点,使得数据挖掘技术在医学图像中的研究具有较大的学术价值和广泛的应用前景。目前,面向医学图像的数据挖掘研究刚刚起步,现有的数据挖掘方法直接应用还存在许多问题。研究和探索适合于医学图像的数据挖掘方法及其算法等医学图像数据挖掘的理论和实践问题具有重要而现实的意义,对辅助医生进行医学图像临床诊断具有重要实用价值。本论文介绍了“基于医学图像数据挖掘若干技术研究”工作的相关研究成果,主要内容有:(1)总结了国内外关于图像数据挖掘研究现状和发展,探讨了医学图像的特点,提出了适合医学图像数据挖掘的图像数据预处理技术。图像象素的灰度及其密度是表达医学图像特征的主要内容,本文研究了医学图像的灰度及其密度与人体组织器官的解剖语义关系,分析了医学图像的成像原理和临床诊断要求,定义了表征医学图像的特征内容,并提出了适合医学图像数据的灰度特征及其表达方案。(2)基于医学图像数据挖掘的需求,本文综述了数据挖掘、非结构数据挖掘、图像数据挖掘的理论和方法,探讨了医学图像数据挖掘的方法和途经,提出了基于医学图像的数据挖掘的过程框架。(3)从聚类分析的角度出发,深入研究了医学图像数据的核密度函数、数据分箱问题和基于数据分箱策略的近似核密度构造方法。在此基础上,研究并提出了适用于医学图像数据的基于医学图像近似密度构造的聚类特征提取算法及其实现。根据这个算法,可以为基于医学图像聚类的组织器官分类及其自动分割提供有效的方法和技术。(4)从关联规则发现的角度出发,围绕医学图像的组织分类,深入研究了医学图像数据特征的关联问题,提出了基于关联规则的医学图像分类挖掘方法及其实现技术。图像特征的正确选择对图像数据的关联规则发现十分重要,本文在深入研究医学图像内容特征的基础上,首次提出了医学图像局部特征,并实现了基于医学图像组织器官聚类的医学图像局部特征提取,如:基于灰度共生矩阵和基于小波的特征提取方法和算法等。此外,本文还重点研究了医学图像数据特征的关联规则,探讨了所发现的规则与医学图像诊断的关系,为医学图像自动诊断提供了新的途径。(5)在相关医学图像数据挖掘算法研究的基础上,设计并开发了一个医学图像数据挖掘实验系统,该系统具有医学图像预处理、医学图像数据特征提取等功,能为面向医学图像数据的各种数据挖掘技术的研究和实现提供实验平台。鉴于人体腹部医学图像的数据挖掘研究是一个全新领域,人体腹部影像是医学图像中最复杂的部分,解决好腹部影像问题对整个医学图像都具有适用价值。本文所提出的基于医学图像近似密度构造的聚类特征提取算法及其实现、基于关联规则的医学图像分类规则挖掘方法等创新性研究成果,对医学图像数据挖掘研究、临床医学图像的自动诊断和临床医学早期诊断都具有重要意义。
论文目录:
摘要
Abstract
第一章 概述
1.1 选题依据及其意义
1.2 研究现状及相关领域
1.2.1 研究现状
1.2.2 相关学科领域
1.3 文章概要
1.3.1 研究内容
1.3.2 研究创新
1.3.3 论文的组织
第二章 医学图像及其特征表达
2.1 医学成像技术简介
2.1.1 计算机断层扫描成像技术
2.1.2 超声成像系统
2.1.3 核磁共振成像技术
2.2 医学图像采集与分类
2.2.1 数字图像采集
2.2.2 医学影像数据的分类
2.3 DICOM 3.0 标准
2.3.1 DICOM 3.0 标准组成
2.3.2 DICOM 文件格式
2.3.3 DICOM 数据编码规则
2.4 医学图像的特性
2.5 图像的预处理
2.5.1 图像的格式转换
2.5.2 图像尺度的归一化
2.5.3 图像色彩的归一化
2.5.4 图像数据的标准化
2.6 人体腹部组织图像灰度研究
2.7 本章小结
第三章 数据挖掘技术在医学图像处理中的应用
3.1 数据挖掘
3.2 非结构型数据挖掘
3.2.1 文本数据挖掘
3.2.2 Web 数据挖掘
3.2.3 多媒体数据挖掘
3.3 图像数据挖掘
3.4 医学图像研究
3.4.1 医学图像处理
3.4.2 医学图像数据挖掘
3.5 图像挖掘技术
3.5.1 目标识别
3.5.2 图像检索
3.5.3 图像索引
3.5.4 图像分类和图像聚类
3.5.5 关联规则挖掘
3.5.6 神经网络
3.6 图像挖掘过程
3.7 图像特征提取
3.7.1 图像的灰度直方图特征提取
3.7.2 基于灰度共生矩阵特征提取
3.7.3 基于小波系数的特征提取
3.7.4 医学图像的全局特征与局部特征
3.8 本章小结
第四章 医学图像聚类分析研究
4.1 聚类分析及其在图像挖掘中的应用
4.1.1 聚类分析技术
4.1.2 高维空间聚类分析
4.1.3 图像聚类分析
4.2 核密度函数
4.2.1 密度函数构造
4.2.2 聚类的局部吸引子
4.2.3 数据点的聚类
4.3 分箱近似核估计
4.3.1 分箱函数及分箱规则
4.3.2 分箱核估计的改进
4.4 基于数据分箱近似核密度的聚类及其定义
4.5 基于医学图像数据的密度聚类算法
4.5.1 带修正的近似核密度函数定义
4.5.2 聚类分析步骤
4.5.3 聚类算法的形式描述
4.6 医学图像聚类
4.6.1 医学图像数据密度函数的构造
4.6.2 基于密度函数构造的医学图像特征提取
4.6.3 医学图像数据聚类及其特征提取实验结果
4.7 本章小结
第五章 基于关联规则的医学图像分类研究
5.1 关联规则
5.1.1 关联规则的Apriori 挖掘算法
5.1.2 基于FP-tree 的关联规则挖掘算法FP-growth
5.2 关联分类规则
5.2.1 基本概念
5.2.2 关联分类规则集的生成
5.2.3 关联分类规则集的应用
5.3 基于关联规则的医学图像分类算法及其实现
5.3.1 数据清洗及特征提取
5.3.2 频繁关联分类项目集挖掘算法
5.3.3 频繁关联分类项目集更新挖掘算法
5.3.4 实验结果
5.4 本章小结
第六章 医学图像数据挖掘实验系统的设计与实现
6.1 实验系统的设计框架
6.1.1 系统开发平台及模式
6.1.2 实验系统框架
6.2 数据库设计
6.2.1 图像库的管理
6.2.2 图像描述库的管理
6.2.3 图像特征库的管理
6.3 系统原型与功能
6.3.1 系统主界面
6.3.2 图像浏览与格式转换
6.3.3 图像预处理
6.3.4 图像特征提取
6.3.5 图像聚类分析
6.3.6 图像分类
6.3.7 图像数据库管理
6.3.8 图像检索
6.4 实验数据及实验结果
6.5 本章小结
第七章 结语
7.1 本文总结
7.2 进一步的研究工作
致谢
参考文献
附录 I 读博期间发表、录用及修改的论文目录
附录 II 读博期间主持和参加的科研项目情况
发布时间: 2007-06-11
参考文献
- [1].星载ATP图像处理平台关键技术研究[D]. 牛仁杰.中国科学院大学(中国科学院光电技术研究所)2018
- [2].超像素级图像组协同关联性分析与研究[D]. 张士杰.天津大学2017
- [3].图像匹配与场景三维重建方法研究[D]. 孙琨.华中科技大学2017
- [4].基于视觉感知与注意机制的图像显著目标检测[D]. 霍丽娜.西安电子科技大学2016
- [5].基于保真性准则的图像智能增强和图像质量评价的理论和方法[D]. 王体春.重庆医科大学2018
- [6].基于图像绘制的Image Warping理论与方法研究[D]. 汤杨.南京理工大学2006
- [7].基于图像的点云模型建造及其在环境映射中的绘制[D]. 安维华.北京大学2007
- [8].基于图像内容的手部特征识别研究[D]. 吴介.北京交通大学2008
- [9].基于偏微分方程的图像分辨率增强研究[D]. 海涛.哈尔滨工程大学2013
- [10].基于机器视觉的多尺度脑图像的若干技术研究[D]. 王水花.南京大学2017
相关论文
- [1].基于密度聚类和多特征融合的医学图像识别研究[D]. 陈健美.江苏大学2008
- [2].医学图像特征的自动获取与基于内容检索的方法研究[D]. 周杰.第一军医大学2004
- [3].数据挖掘中聚类若干问题研究[D]. 赵恒.西安电子科技大学2005
- [4].中医方剂数据挖掘模式和算法研究[D]. 周忠眉.浙江大学2006
- [5].图像挖掘中的图像预处理技术研究[D]. 刘茂福.武汉大学2005