局部質(zhì)變因子在醫(yī)學(xué)數(shù)據(jù)分析中的應(yīng)用與研究.pdf

1、近年來隨著生物醫(yī)學(xué)工程的迅猛發(fā)展，測量技術(shù)的提高使得大量的醫(yī)學(xué)信息以電子格式被記錄下來，這些信息不僅包括CT影像，X光片，各項生理指標(biāo)還包括病人的年齡，性別，體重，身高，既往病史等等資料。隨著時間的推移，這些醫(yī)院的數(shù)據(jù)庫信息量不斷的膨脹，成倍的增長，數(shù)據(jù)庫技術(shù)的出現(xiàn)雖然使得這些信息的存儲和檢索變的非常容易，但是仍無法改變“數(shù)據(jù)豐富但知識貧乏”的現(xiàn)象。如何在計算機的幫助下利用這些寶貴的數(shù)據(jù)為疾病的診斷和治療提供依據(jù)，發(fā)現(xiàn)這些數(shù)據(jù)背后隱藏的

2、有價值的醫(yī)學(xué)信息逐漸受到人們的關(guān)注，并成為熱點問題。
　　 數(shù)據(jù)挖掘技術(shù)的出現(xiàn)為解決這些問題提供了可能。數(shù)據(jù)挖掘技術(shù)是指從數(shù)據(jù)庫中自動提取那些隱含在其中的，人們事前未知的信息的過程，所提取的信息可以表示為模式，規(guī)則，概念等多種形式。目前數(shù)據(jù)挖掘技術(shù)已在疾病診斷，醫(yī)學(xué)圖像分析，疾病相關(guān)因素分析等領(lǐng)域取得了較好的成果。
　　 聚類是數(shù)據(jù)挖據(jù)中一項重要的技術(shù)，邊界檢測是聚類技術(shù)的一個細(xì)分,而邊界檢測技術(shù)為醫(yī)學(xué)上疾病的預(yù)防與預(yù)測

3、提供了可能。本文針對目前現(xiàn)有的聚類邊界檢測算法經(jīng)行研究并取得了相應(yīng)的成果:
　　 (1)針對目前所提出的大部分聚類邊界算法不能適用于高維數(shù)據(jù)的問題進(jìn)行相關(guān)的研究，提出了一種適用于高維數(shù)據(jù)的基于局部質(zhì)變因子的聚類邊界檢測算法(BRINK)，該算法使用加權(quán)的歐式距離解決現(xiàn)有的大部分聚類邊界檢測算法不能適用高維數(shù)據(jù)的問題，利用局部可達(dá)密度確定每個對象的局部質(zhì)變因子，依據(jù)每個對象的局部質(zhì)變因子在聚類的邊界對象具有稍大于1的特性來識別聚類