醫(yī)學(xué)圖像關(guān)聯(lián)模式挖掘算法的研究.pdf

1、隨著醫(yī)學(xué)影像存儲(chǔ)的急劇增加,人們迫切需要挖掘出隱藏在這些海量圖像數(shù)據(jù)背后的有用信息。利用這些信息可以幫助醫(yī)生對(duì)患者病情做出有效的診斷或方便專家對(duì)某些疾病進(jìn)行更好的研究。
　　 本文首先分析國(guó)內(nèi)外學(xué)者在醫(yī)學(xué)圖像挖掘領(lǐng)域所做的工作和取得的成就,然后針對(duì)醫(yī)學(xué)圖像挖掘所涉及的一些關(guān)鍵技術(shù)和相關(guān)算法進(jìn)行分析和研究。在此基礎(chǔ)上,針對(duì)人腦CT圖像中的感興趣區(qū)域ROI關(guān)聯(lián)模式進(jìn)行挖掘。
　　 主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下:
　　 (

2、1)醫(yī)學(xué)圖像的預(yù)處理。首先,對(duì)醫(yī)學(xué)圖像中的感興趣區(qū)域ROI進(jìn)行提取。其次,結(jié)合醫(yī)學(xué)圖像領(lǐng)域知識(shí)定義ROI的特征屬性,并用Matlab進(jìn),行提取。最后,根據(jù)ROI的特征屬性對(duì)ROI進(jìn)行聚類。
　　 (2)研究目前存在的兩類較有影響的關(guān)聯(lián)規(guī)則挖掘算法,以Apriori算法為代表的產(chǎn)生候選-驗(yàn)證模式算法和以FP-growth算法為代表的直接產(chǎn)生頻繁項(xiàng)集算法。
　　 (3)基于對(duì)FP-growth算法的研究,本文提出基于差值約束