早期微小病變識別系統(tǒng)的研究和實(shí)現(xiàn).pdf

1、進(jìn)入21世紀(jì)以來，信息技術(shù)的高速發(fā)展和信息量的飛速膨脹，信息過量幾乎成為人人需要面對的問題。激增的數(shù)據(jù)背后隱藏著許多重要的信息，人們希望能夠?qū)ζ溥M(jìn)行更高層次的分析，以便更好地利用這些數(shù)據(jù)。目前的數(shù)據(jù)庫系統(tǒng)可以高效地實(shí)現(xiàn)數(shù)據(jù)的錄入、查詢、統(tǒng)計(jì)等功能，但無法發(fā)現(xiàn)數(shù)據(jù)中存在的關(guān)系和規(guī)則，無法根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測未來的發(fā)展趨勢。缺乏挖掘數(shù)據(jù)背后隱藏的知識的手段，導(dǎo)致了“數(shù)據(jù)爆炸但知識貧乏”的現(xiàn)象。因此，迫切希望有新一代的技術(shù)和工具來對海量數(shù)據(jù)進(jìn)行

2、分析，從中及時發(fā)現(xiàn)有用的知識，提高信息利用率。目前，在需要處理大數(shù)據(jù)量的科研領(lǐng)域中，數(shù)據(jù)挖掘受到越來越多的關(guān)注。 隨著科技的發(fā)展，醫(yī)學(xué)數(shù)字設(shè)備得到了很大的發(fā)展，越來越多的醫(yī)學(xué)診斷設(shè)備被廣泛的運(yùn)用，例如CT，MR等等；在這些先進(jìn)設(shè)備廣泛運(yùn)用于診斷，治療的同時，產(chǎn)生了大量的醫(yī)學(xué)數(shù)據(jù)，面對如此巨大的數(shù)字資源，并且隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展，越來越多的科學(xué)家開始關(guān)注這一鄰域，希望從這些數(shù)字資源中發(fā)掘出有用的知識! 本項(xiàng)目是基于數(shù)據(jù)挖

3、掘的腦部早期病變識別系統(tǒng)就是基于上述的情況提出的，通過運(yùn)用對大量的醫(yī)學(xué)腦部CT圖像數(shù)據(jù)的處理，發(fā)現(xiàn)早期病變判斷規(guī)則，為醫(yī)生的提供有價值的診斷建議，作為醫(yī)生診斷過程中的一個有意義的補(bǔ)充! 不同于傳統(tǒng)的基于單幅CT圖像得到判斷規(guī)則的方法，本文采用基于同一個體，同部位不同時期的兩幅CT圖像紋理特征的比較得到判斷規(guī)則。在規(guī)則的獲取上，采用了基于改進(jìn)的DBSCAN算法和層次算法相結(jié)合的數(shù)據(jù)挖掘的算法獲取判斷規(guī)則。在獲取規(guī)則的過程中主要解決

4、這幾個問題：(1)找出能夠正確反映病理情況的醫(yī)療圖像特征。(2)找到能夠從大量醫(yī)療圖像特征中發(fā)現(xiàn)有用知識的數(shù)據(jù)挖掘算法。我們要求該算法能夠利用給定的特征值集，快速、準(zhǔn)確的找到盡可能多的對計(jì)算機(jī)輔助診斷可能有用的知識；(3)將源自于大量醫(yī)療圖像特征集中的知識抽象、組織、表達(dá)為計(jì)算機(jī)能夠理解的且可用于輔助醫(yī)生發(fā)現(xiàn)病變并進(jìn)行診斷工作的規(guī)則。 本文主要講述了圖像數(shù)據(jù)特征的提取，數(shù)據(jù)挖掘數(shù)據(jù)集的獲得，數(shù)據(jù)挖掘算法的改進(jìn)和建立，以及系統(tǒng)的實(shí)