数据挖掘在医学领域中的应用

摘要

医学数据挖掘的目的是从大量的医学数据中挖掘出潜在并且有效的知识,信息,模型,关联,变化等,从而帮助医生进行更加快速和准确的诊断。本文主要研究了数据挖掘中关联规则提取和粗糙集理论中的一些关键技术及其在医学图像挖掘中的应用。将医学图像的特征与数据挖掘的技术特点相结合,取得了良好的效果。本文的主要工作及创新点如下:
　　首先,本文详细综述了数据挖掘的理论基础,体系结构,主要技术和方法,并研究了医学数据挖掘的数据预处理,特征选取,医学数据挖掘的特殊性等针对性问题,将两者有机结合,总结了一套适合医学数据挖掘的技术路线和过程模型。
　　在此基础上,本文主要对以下两方面进行了研究和创新,第一,研究了关联规则挖掘技术,其中深入研究了Apriori算法,以及图像的灰度共生矩阵相关技术,提出了一种基于图像灰度纹理特征的关联规则挖掘方法,并对泸州医学院附属医学的肝脏CT实例图像进行了关联规则挖掘,并进行实验对比了Apriori算法和一系列Apriori算法改进算法的效率和分类效果。第二,研究了粗糙集挖掘中的关键技术,比较了属性约简各种算法的优劣,然后利用粗糙集方法对若干脑瘤MRI影像进行分析,研究其在医学影像挖掘中的应用,利用MRI征象挖掘得到了利于脑瘤分级的规则。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 选题意义

1.2 数据挖掘的发展与现状

1.3 数据挖掘在医学上的应用现状

1.4 本论文的研究内容与组织结构

第二章 医学数据挖掘

2.1 引言

2.2 数据挖掘基础

2.3 数据挖掘的主要技术与方法

2.4 医学数据处理

2.5 医学数据挖掘过程模型

2.6 本章小结

第三章 关联规则提取及其在医学图像数据挖掘中的应用

3.1 引言

3.2关联规则理论基础

3.3 关联规则挖掘算法

3.4 图像的灰度共生矩阵

3.5 基于肝脏CT图像灰度共生矩阵的关联规则挖掘方法

3.6 本章小结

第四章 粗糙集理论及其在医学领域中的应用

4.1 引言

4.2 粗糙集基础

4.3 基于粗糙集理论的数据挖掘技术

4.4基于粗糙集挖掘的脑瘤MRI影像分析过程

4.5 本章小结

第五章 数据挖掘在医学图像中的应用实验

5.1 引言

5.2 关联规则提取在肝脏CT图像中的应用

5.3 粗糙集挖掘在脑瘤MRI影像中的应用

5.4 本章小结

第六章 总结与展望

6.1 引言

6.2 研究工作总结

6.3下一步研究工作展望

致谢

参考文献

攻读硕士学位期间参与的项目与获得的奖励