基于圖熵的醫(yī)學(xué)圖像聚類方法研究.pdf

1、伴隨著強大的存儲介質(zhì)、計算能力以及移動互聯(lián)網(wǎng)的不斷發(fā)展，醫(yī)療數(shù)據(jù)的井噴式增長以及快速的電子數(shù)字化將成為未來的發(fā)展趨勢。目前，存儲在各種醫(yī)療系統(tǒng)中的數(shù)據(jù)量每天都在快速增長，通過分析這些快速增長的數(shù)據(jù)，醫(yī)療大數(shù)據(jù)可以改善醫(yī)學(xué)診斷的質(zhì)量，提高醫(yī)療水平，減少人們在醫(yī)療上的花費及風(fēng)險。因此，醫(yī)療大數(shù)據(jù)在這些領(lǐng)域扮演著一種非常重要且無可替代的角色，醫(yī)生、病人及醫(yī)療組織也可以從中獲得不少的益處。
　　借著科學(xué)技術(shù)飛速發(fā)展的東風(fēng)，醫(yī)療衛(wèi)生領(lǐng)域的現(xiàn)

2、代化程度得到快速發(fā)展。醫(yī)學(xué)影像技術(shù)，如:電子計算機X射線斷層掃描技術(shù)(CT)、正電子發(fā)射計算機斷層掃描技術(shù)(PET)、核磁共振成像技術(shù)(MRI)等可輔助醫(yī)生對病人的病情進行診斷，其在臨床診斷的過程中得到醫(yī)生的大量使用，因此醫(yī)院每天都能產(chǎn)生海量的醫(yī)學(xué)圖像。如何利用好這些醫(yī)學(xué)圖像，從這些圖像的背后發(fā)掘出有價值的信息，以方便醫(yī)生對病人的病情進行診斷，是當(dāng)前對醫(yī)學(xué)圖像進行數(shù)據(jù)挖掘的熱點。
　　聚類是數(shù)據(jù)挖掘領(lǐng)域一個重要組成部分，同時其在模

3、式識別、生物學(xué)、圖像處理、Web信息檢索等方面也有著廣泛應(yīng)用。如在圖像檢索領(lǐng)域中，通過圖像聚類對圖像進行聚類預(yù)處理可以提高圖像的檢索性能，此外，還可以將聚類算法應(yīng)用到圖像分割中。由于醫(yī)學(xué)圖像的復(fù)雜性，如何能更加準確的對醫(yī)學(xué)圖像進行聚類已成為當(dāng)前醫(yī)學(xué)圖像研究領(lǐng)域的熱點與難點。另外，在對醫(yī)學(xué)圖像進行數(shù)據(jù)挖掘之后通過可視化技術(shù)將其直觀的展現(xiàn)出來，可以作為一種直觀的方法來反映它們之間的聯(lián)系，特別是隨著這些年可視化技術(shù)的快速發(fā)展，其能直觀準確的對

4、數(shù)據(jù)進行表達的特點已被越來越多的人所接受。根據(jù)以上問題描述，本文所做的主要工作如下:
　　(1)本文給出了一種運用圖熵的醫(yī)學(xué)圖像聚類方法。首先，將每張醫(yī)學(xué)圖像抽象成一個頂點，圖像之間的相似程度作為兩點之間邊上的權(quán)值，由此將這些醫(yī)學(xué)圖像構(gòu)建成一個帶權(quán)無向完全圖，之后對此完全圖進行稀疏化剪枝處理。其次，又提出了一種運用圖熵的帶權(quán)無向圖聚類算法，利用此方法對稀疏化剪枝后的圖進行聚類，最后得到醫(yī)學(xué)圖像的聚類結(jié)果。
　　(2)在實驗部