医学图像的关联规则挖掘方法研究

提出了一个基于关联规则挖掘算法的医学图像分析器。介绍了数量型属性离散化的CA算法、关联规则挖掘算法及其在医学图像数据挖掘中的应用方法,并利用介绍的算法对乳腺癌图像数据进行挖掘。实验结果表明,该模型系统达到了较高的分类准确率。     

基于领域知识指导的医学图像关联规则挖掘

医学图像关联规则的挖掘是面向特殊领域图像挖掘的重要组成部分.由于存在很多技术方面的问题,使得这个方向的研究非常具有挑战性.基于医学图像和医学图像中具有诊断意义的像素区域(ROI)扩展了关联规则的概念,提出了两个在领域知识指导下的算法,用于发现医学图像中的有效的频繁规则和关联规则.描述了如何将领域知识融入到算法中以提高效率和有效性,在实验中得到了一些比较有意义的结果.     

基于二叉频繁模式树的医学图像关联规则挖掘

医学图像的数据量是相当巨大的,挖掘医学图像中数据的关联关系就需要一种适合挖掘海量数据的挖掘算法。针对基于频繁模式树FP_TREE的关联规则算法在挖掘海量数据时占用大量内存的缺点,提出了一种基于二叉频繁模式树(FP_BTREE)的关联规则算法。该算法采用二叉树存储数据的技术来映射数据库中数据,以减少对数据库的访问次数。而且根据内存具体情况可以先求出先建立的二叉频繁模式树的频繁模式。解决了占用大量内存的缺点,适合挖掘医学图像海量数据集。此算法也为多棵二叉频繁模式树的并行计算打下基础。最后应用此算法提取医学图像数据集中隐含的关联信息。     

图像挖掘技术研究

对目前图像挖掘的研究及应用现状进行综述,首先阐明图像数据的特点及图像挖掘的主要问题,随后分析了图像的表示模型、图像挖掘的框架模型,介绍了图像挖掘的主要技术,最后对图像挖掘应用和未来研究方向进行展望。     

医学图像分割技术中变形模型方法的研究综述

医学图像分割是医学图像处理中的一个经典难题。医学图像分割技术的发展不仅影响到医学图像处理中其他相关技术的发展,如可视化、三维重建等,而且在生物医学图像的分析中也占有极其重要的地位。近年来,由于一些新兴学科在医学图像处理中的应用,医学图像分割技术取得了显著的进展。对近年来兴起的基于变形模型的医学图像分割技术进行研究,综述了其发展历程和基本原理,分析和比较了基于变形模型的图像分割的各种技术的优缺点,展望了该技术领域以后一段时间内的发展趋势。     

基于判别式受限玻尔兹曼机的医学图像分类法

随着计算机技术的发展,越来越多的医学图像分析技术应运而生.利用数据挖掘方法对医学图像做分析是目前研究的热点之一,该方法首先从医学图像中提取统计特征,在此基础上进一步挖掘,这种方法对所提取的特征有很强的依赖性而且受到经验等主观因素的影响.针对乳腺X光图像,采用一种可以从图像中自动学习特征并利用学习到的特征对图像进行分类的医学图像分析新方法——判别式受限玻尔兹曼机(Discriminative Restricted Boltzmann Machine,DRBM).DRBM是一种无向判别模型,它可以自动地从图像中学习特征.在乳腺X光图像标准数据集上的实验结果表明,DRBM对医学图像的分类准确率明显高于其它基于统计特征提取的医学图像分类方法.     

图像挖掘的方法与技术研究

文章从图像挖掘的过程开始介绍了图像挖掘中的预处理技术、特征提取技术和图像挖掘技术等,最后对图像挖掘未来研究方向进行了展望。     

遥感影像信息挖掘的框架研究

目的：提出遥感影像信息挖掘的框架结构和原形系统的数据挖掘流程;研究涉及的理论与技术。方法：应用了分析比较法,充分研究了一般图像挖掘系统的框架和用于医学影像挖掘的原形系统的挖掘流程,以取之所长,避其所短。结果：设计出了适用于遥感影像信息挖掘的框架结构。结论：指出遥感图像挖掘是一个处于初级阶段的研究领域,理论和技术有待继续研究和完善;遥感图像挖掘必须将一般图像挖掘的理论和技术与地理信息系统技术、遥感技术有效地结合起来,才能开发出具有实际应用价值的高效的遥感图像信息挖掘系统。     

图像挖掘研究

图像挖掘是一个新兴的具有挑战性的研究领域,同时它作为数据库和信息决策等领域的一个前沿分支近年来受到人们的关注.首先研究了图像挖掘的特性,提出了几个不同于传统数据挖掘的图像挖掘特性,然后对图像挖掘的总体过程和主要模型进行了分析,并对图像挖掘的主要技术进行了讨论.在此基础上,对目前图像挖掘的应用情况进行了分析和讨论,最后对图像挖掘的一些问题及未来的发展进行了展望.     

基于图像挖掘技术的车辆目标识别方法

在目前的图像处理技术发展现状中,图像挖掘技术是其中一项较为突出和新颖的技术分支。而随着日益庞大的图像数据信息处理量的要求增加,却没有一个有效的分析和处理技术,为此,如何解决大量数据的解析和处理问题是目前图像挖掘技术的主要方向。本文将着重研究图像挖掘技术的原理和其在目前社会中的应用情况。利用简析图像挖掘技术的基本原理分析其数据模型,探讨其所具备的基本功能以及在车辆目标识别上的应用和方法。总结出图像挖掘技术对图像中所存在信息的完全解读,挖掘图像中存在的隐形关联,而且随着图像挖掘技术的不断改进,其目标识别的功能可以应用到车辆管理模式当中。通过实验表明,此方法可以对目标图像中车辆数量和种类的辨识度达到80%以上。     

基于阈值的医学图像分割技术的计算机模拟及应用

随着现代计算机技术及图像处理技术的快速发展,图像分割作为图像分析、理解的基础,在诸多领域具有广泛的应用,尤其在医学方面。医学图像分割是医学图像处理和分析的关键步骤,也是其它高级医学图像分析和解释系统的核心组成部分。本文针对医学图像分割的分类、特征等进行了简要的介绍,对基于阈值的分割方法进行详尽的讨论并以计算机实际处理效果分析了各种基于阈值的分割方法的优缺点。     

图像分类与聚类算法在医学图像挖掘中的应用

论述了医学图像挖掘在计算机辅助诊断中的作用，提出了采用灰度级作为CT图像特征的思想、灰度级的提取和存储方法，介绍了采用决策树分类算法和基于密度的聚类算法对胸部和头部CT图像进行分类和聚类的结果及其分析，给出了分析的结论和进一步的研究方向。     

基于SLIQ的分布式图像分类框架的研究实现

针对医学图像数据过于复杂且分布存储的特点,提出并实现了一种基于SLIQ的分布式医学图像分类框架.该框架包括:表示层、处理层和挖掘层.其中,分布式协调器(DTC)是处理层的核心,通过分析以往算法的优缺点,建立一种分布式数据挖掘的计算框架,并给出相应的求解算法.挖掘层中的分类算法采用适合处理海量数据的SLIQ决策树方法.实验结果表明该分类系统是有效和可行的.     

基于主动学习的深度医学图像分析算法综述

深度学习技术在医学图像分析领域发展得非常好,但医学图像注释成本高,使得深度学习技术在医学图像分析领域受到阻碍。主动学习算法是目前解决注释成本高的一个研究热点。文章介绍了在医学图像分析领域中采用主动深度学习降低注释成本的技术手段和方法,以便相关人员了解目前的研究进展。最后对主动学习方法仍存在的问题和发展趋势进行了总结和展望。     

多模医学图像融合技术的原理、应用与最新进展

利用图像融合技术,将不同模态的医学图像有机地结合在一起,可以充分利用各种医学图像的优点,为临床诊断和治疗提供帮助。该文主要介绍了多模态医学图像融合技术的基本概念、各种融合技术以及实现方法原理,重点阐述了基于小波变换的方法,并对不同融合技术进行评估,介绍了图像融合技术的应用,最后介绍了医学图像融合技术存在的问题、最新进展与研究前景。     

基于模糊集理论的医学图像分割的应用

图像分割是医学图像处理、分析、研究的基础。由于人的视觉特性和数字图像本身所具有的模糊性,使得图像分割问题是典型的结构不良问题。而模糊集合论具有描述不良问题的能力,模糊集理论应用于图像分割是针对图像模糊性非常有效的方法。对近年来基于模糊集理论的医学图像分割技术的应用和发展进行了综述和讨论,展望了基于模糊集理论的医学图像分割技术的前景和面临的挑战。     

基于模糊集理论的医学图像分割的应用

图像分割是医学图像处理、分析、研究的基础.由于人的视觉特性和数字图像本身所具有的模糊性,使得图像分割问题是典型的结构不良问题.而模糊集合论具有描述不良问题的能力,模糊集理论应用于图像分割是针对图像模糊性非常有效的方法.对近年来基于模糊集理论的医学图像分割技术的应用和发展进行了综述和讨论,展望了基于模糊集理论的医学图像分割技术的前景和面临的挑战.     

医学图像的配准的关键技术与研究现状

医学图像融合技术是影像学技术在医学上极具特色的应用,它在医学图像有效配准基础上将解剖影像、功能影像两者有机的结合起来.本文对近年来医学图像配准中的关键技术和主要方法进行综述,比较各种算法的特点,并分析当前该领域在医学图像配准方面存在的技术难点以及发展前景.     

挖掘脑部医学图像序列相似模式

随着脑部疾病(尤其是脑瘤)发生率的逐年上升，通过挖掘脑部医学图像来发现知识对辅助医生的诊断变得越来越重要.图像挖掘是数据挖掘的重要分支，它不仅仅是数据挖掘简单的扩展到图像领域，而是一个多学科交叉的研究方向周像的聚类和相似性搜索是图像挖掘的两个非常重要的领域．针对医学图像数据库引入了图像序列相似模式(ISSP)的概念，对于各自包含一个图像序列的两个对象，ISSP是指隐藏在他们中的最长相似连续子模式．这些模式在医学图像中是很有意义的，因为对医生来说两个对象相似要比两个图像相似更有意义．设计了新的基于领域知识指导下的算法来发现可能性占位(Pso)和ISSP以支持相似性索引．实验表明，该研究对医生的辅助诊断有比较好的效果．     

基于GPU的四维医学图像动态快速体绘制

传统的三维医学图像重建技术无法满足四维医学图像动态重建的需求,而四维医学图像庞大的数据量使传统重建技术很难实现高性能实时绘制.基于以上需求,提出了一种四维医学图像动态快速体绘制方法.首先采用GPU强大的并行计算能力,提出一种基于GPU、利用CUDA技术实现的光线投射算法;然后分析了算法框架、体数据及计算结果的存储策略、...