基于小波變換和神經(jīng)網(wǎng)絡的醫(yī)學圖像挖掘研究.pdf

1、乳腺癌是目前世界上發(fā)病率和死亡率較高的疾病,嚴重威脅人類的健康。早期診斷,早期治療是提高乳腺癌患者生存率的主要手段。目前,乳腺癌診斷的主要方法是通過X光圖像、CT、核磁共振圖像等技術,依靠專家通過肉眼對圖像進行識別。在這種方式下,由于缺乏有效的輔助技術手段提高診斷率,使得誤診、漏診率較高,尤其對于乳腺癌早期患者,使她們錯失了最佳治療期。隨著計算機輔助醫(yī)學技術的發(fā)展,計算機被廣泛的應用于輔助醫(yī)療診斷中。本文從數(shù)據(jù)挖掘的角度,著重研究了小波

2、理論、粗糙集理論、人工神經(jīng)網(wǎng)絡理論等,以及在醫(yī)學圖像領域應用的關鍵技術和主要算法。提出改進的小波神經(jīng)網(wǎng)絡分類算法,并將其應用于醫(yī)學圖像的乳腺癌診斷中。主要研究工作如下:1.提出了改進的小波神經(jīng)網(wǎng)絡算法本文提出了改進的小波神經(jīng)網(wǎng)絡(ImprovedWaveletNeuralNetwork,IWNN),充分利用小波變換的特性,通過尺度伸縮和平移對圖像信號進行多尺度分析,能有效提取信號的局部信息;而神經(jīng)網(wǎng)絡具有自學習、自適應和容錯性等特點,是

3、一類通用函數(shù)逼近器。因此改進的小波神經(jīng)網(wǎng)絡具有更強的逼近、容錯能力。通用新的數(shù)學方法研究精確度高;分辨錯誤率低的數(shù)據(jù)挖掘新算法,以期在提高算法效率的基礎上提高圖像挖掘效果。2.將改進的小波神經(jīng)網(wǎng)絡分類器在醫(yī)學圖像挖掘中的應用為了提高醫(yī)學圖像分類器的分類性能,本文將改進的小波神經(jīng)網(wǎng)絡分類算法,應用于醫(yī)學圖像數(shù)據(jù)挖掘中,此分類器具有逼近能力強、收斂速度快等特點。通過在乳腺X光圖像MIAS數(shù)據(jù)集上的實驗結(jié)果表明,提高了人工神經(jīng)網(wǎng)絡分類器的收斂

4、速度和分類精度,同時平均錯誤的分辨率接近90％。3.提出了基于粗糙集的小波神經(jīng)網(wǎng)絡算法為了降低神經(jīng)網(wǎng)絡分類器的訓練時間,同時進一步提高其分類性能,本文提出基于粗糙集的小波神經(jīng)網(wǎng)絡分類器的算法設計。旨在探索如何利用粗糙集理論中的信息增益約簡原理,優(yōu)化特征屬性,從而降低訓練神經(jīng)網(wǎng)絡所需要的時間,同時可以避免單獨使用粗糙集分類的過度約簡問題。該分類器在乳腺X光圖像MIAS數(shù)據(jù)集上,與后向傳播神經(jīng)網(wǎng)絡分類器和小波神經(jīng)網(wǎng)絡分類器比較,基于粗糙集的