医学图像智能分类算法研究

论文摘要

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,以加速医生决策诊断的过程和提高其决策诊断的准确度。本文是在参与实施国家自然科学基金项目“基于医学图像的数据挖掘技术研究”的过程中,针对医学图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。提出了适合乳腺图像的预处理、特征的提取和选择以及分类算法,研究成果可应用于计算机辅助诊断系统中。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、约简和模式分类,提出了适用于医学影像数据挖掘的技术路线和理论框架。 2.建立了一套比较完整的可以表征乳腺图像各方面特性的特征矢量。在这些特征上进行数量型数据的离散化,并利用模糊聚类算法来进行特征优选,为肿瘤良/恶性计算机辅助分析提供了前提和基础。 3.研究了决策树分类算法,引入了“属性重要度”的概念,对决策树算法进行改进。提出了用决策树算法进行乳腺X线照片分类的方法,对乳腺癌典型病例数据进行分类,得到了较高的分类准确率。 4.研究了关联规则算法,以及关联规则分类的方法。针对关联规则中计算规模较大的问题,采用扩展项的属性,添加项约束标记的思想,对Apriori算法进行改进。提出了用关联规则算法进行乳腺X线照片分类的方法。 5.将基于Rough集的方法用于图像特征降维,采用区分矩阵和区分函数实现属性约简。将基于Rough集的方法和关联规则分类技术相结合用于关联规则提取,提出了基于粒的二进制计算提取关联规则用于乳腺X线照片分类的方法,提高了处理的效率。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• §1.1 引言
• §1.2 国内、外研究现状
• §1.3 论文选题来源及研究背景
• §1.4 本论文研究内容
• §1.5 本论文的组织结构
• 第二章 国内外研究现状分析
• §2.1 数据挖掘原型系统DBMiner
• §2.2 基于乳腺X线图像的e-Diamond网格系统
• §2.3 数据挖掘中的分类算法
• §2.4 腺体中的结构紊乱探测
• §2.5 肿瘤区域的分割
• §2.6 特征提取和选择
• §2.6.1 纹理特征
• §2.6.2 特征选择
• §2.7 本章小结
• 第三章 医学图像辅助诊断系统
• §3.1 数据挖掘系统流程
• §3.2 医学图像辅助诊断系统
• §3.3 本章小结
• 第四章 医学图像数据预处理技术
• §4.1 图像预处理
• §4.1.1 图像剪切技术
• §4.1.2 图像增强
• §4.2 特征提取
• §4.2.1 图像纹理的灰度分布统计特征
• §4.2.2 形状特征
• §4.3 数量型属性离散化
• §4.3.1 竞争聚集（CA）算法
• §4.4 基于模糊聚类的特征优选方法
• §4.5 本章小结
• 第五章 决策树算法及其在图像挖掘中的应用
• §5.1 分类和预测
• §5.2 决策树分类概述
• §5.3 决策树算法的基本原理
• §5.3.1 ID3算法
• §5.3.2 算法的改进
• §5.3.3 C4.5算法
• §5.3.4 决策树学习的关键技术
• §5.4 决策树算法对乳腺癌图像数据的分类
• §5.5 本章小结
• 第六章 关联规则挖掘算法的研究
• §6.1 关联规则概述
• §6.2 关联规则算法
• §6.2.1 基本概念
• §6.2.2 关联规则的实现算法
• §6.2.3 Apriori算法的改进
• §6.3 关联规则挖掘关键技术探讨
• §6.4 源自关联规则挖掘概念的分类：
• §6.4.1 关联规则分类方法
• §6.4.2 关联规则分类的约束标记
• §6.4.3 关联规则在乳腺X线照片分类中的应用
• §6.5 本章小结
• 第七章 Rough集理论及其在数据挖掘中的应用
• §7.1 Rough集理论概述
• §7.1.1 基本概念
• §7.1.2 属性依赖和属性约简
• §7.2 决策表和决策规则
• §7.2.1 决策表
• §7.2.2 基于区分矩阵的约简算法
• §7.3 基于互信息的知识约简算法RAMI
• §7.4 基于粒的二进制运算提取关联规则
• §7.5 Rough集在辅助诊断中的应用
• §7.5.1 在乳腺影像分类中的应用
• §7.5.2 基于生理活检数据的分类
• §7.6 本章小结
• 第八章 总结和展望
• §8.1 本文工作总结
• §8.2 进一步工作展望
• 攻读博士学位期间发表的论文
• 主要参考文献
• 致谢