智能化数据挖掘算法研究及在医学影像诊断中的应用

摘要

本项研究是受国家自然科学基金资助的，课题名为“基于医学图像数据挖掘技术的研究”。在分析阐述智能化数据挖掘算法的基础上，研究了神经网络理论、粗糙集理论等在医学影像领域应用的关键技术，并以乳腺癌诊断为原型，做了一些深入的研究和尝试。主要从事了以下几方面的研究： 1、研究并且比较了BP神经网络和径向基神经网络的优缺点，设计并实现了基于乳腺肿瘤形状特征的两种神经网络分类器，试验表明径向基分类效果优于BP，分类效果较理想。 2、深入研究了粗糙集(RS)理论：提出并实现了一个属性约简和规则提取的集成算法。将此集成算法应用于生理切片数据(来源于UCI数据库)并提取出精简规则，这些规则相比原数据更利于人们理解，并且有助于医生快速了解病人病情。粗糙集理论进行属性约简不需要先验知识，完全是根据数据库中的值进行约简，而且与值的具体大小没有关系。特别适用于离散数据，所以应用粗糙集处理连续属性之前必须先进行离散化，本文深入探讨了各种属性离散化算法，试验表明离散化算法在一定程度上影响约简属性。 3、图像增强和形状特征提取根据医学图像的特点，改进了基于RS的图像增强算法并且首次将其应用于医学领域，并和直方图均衡化算法进行比较；实验表明基于RS的增强算法增强效果明显，优于直方图均衡化算法。利用区域增长的图像分割技术实现肿瘤边缘的准确定位，并且提取了紧凑度、傅立叶描述子、不变矩作为边缘形状特征，实验结果表明，这些特征很好地刻画了肿瘤的边缘形状，对区分良性肿瘤和恶性肿瘤非常有效。 4、将上述算法集成应用，设计并实现了一个乳腺癌辅助诊断系统(系统中的乳腺片子来自于MAIT数据库)，系统界面友好，扩充性好，且可以实现乳腺癌的正常/异常，良性/恶性诊断，准确率较高。

目录

文摘

英文文摘

西北大学学位论文知识产权声明书和独创性声明

第一章绪论

§1.1引言

§1.1.1课题背景及国内外研究现状

§1.1.2选题来源

§1.2研究内容

§1.3内容组织

§1.4本章小结

第二章径向基神经网络

§2.1神经网络概述

§2.2神经网络结构及学习机理

§2.3反向传播算法(BP算法)

§2.3.1 BP网络模型

§2.3.1 BP学习算法

§2.3.3标准反向传播BP算法存在的问题

§2.4径向基函数神经网络

§2.4.1径向基函数神经网络简介

§2.4.2径向基函数网络的学习方法

§2.4.3基于径向基函数网络的分类器构造

§2.5神经网络应用

§2.6本章小结

第三章粗糙集理论研究与应用

§3.1粗糙集理论概述

§3.2连续属性离散化算法研究

§3.3基于粗糙集理论的一个集成算法

§3.3.1属性约简算法所用变量—信息量、条件信息量和重要性

§3.3.2算法描述

§3.4集成算法应用——基于生理切片数据的规则提取

§3.5本章小结

第四章图像增强及形状特征提取技术

§4.1图像去噪

§4.2图像增强

§4.2.1图像增强算法研究

§4.2.2直方图均衡化处理

§4.2.3基于粗糙集的图像增强

§4.3轮廓勾画及形状特征提取

§4.3.1基于区域增长的图像分割

§4.3.2.形状特征提取

§4.4本章小结

第五章乳腺癌计算机辅助诊断系统设计

§5.1系统框架、处理流程和部分效果图

§5.2开发与运行环境

§5.3系统功能

§5.4本章小结

第六章总结与展望

参考文献

致谢

附录