基于小波變換和神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)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(yán)重威脅人類(lèi)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(guò)X光圖像、CT、核磁共振圖像等技術(shù),依靠專家通過(guò)肉眼對(duì)圖像進(jìn)行識(shí)別。在這種方式下,由于缺乏有效的輔助技術(shù)手段提高診斷率,使得誤診、漏診率較高,尤其對(duì)于乳腺癌早期患者,使她們錯(cuò)失了最佳治療期。隨著計(jì)算機(jī)輔助醫(yī)學(xué)技術(shù)的發(fā)展,計(jì)算機(jī)被廣泛的應(yīng)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(luò)理論等,以及在醫(yī)學(xué)圖像領(lǐng)域應(yīng)用的關(guān)鍵技術(shù)和主要算法。提出改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)分類(lèi)算法,并將其應(yīng)用于醫(yī)學(xué)圖像的乳腺癌診斷中。主要研究工作如下:1.提出了改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)算法本文提出了改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)(ImprovedWaveletNeuralNetwork,IWNN),充分利用小波變換的特性,通過(guò)尺度伸縮和平移對(duì)圖像信號(hào)進(jìn)行多尺度分析,能有效提取信號(hào)的局部信息;而神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自適應(yīng)和容錯(cuò)性等特點(diǎn),是

3、一類(lèi)通用函數(shù)逼近器。因此改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)具有更強(qiáng)的逼近、容錯(cuò)能力。通用新的數(shù)學(xué)方法研究精確度高;分辨錯(cuò)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(chǔ)上提高圖像挖掘效果。2.將改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)分類(lèi)器在醫(yī)學(xué)圖像挖掘中的應(yīng)用為了提高醫(yī)學(xué)圖像分類(lèi)器的分類(lèi)性能,本文將改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)分類(lèi)算法,應(yīng)用于醫(yī)學(xué)圖像數(shù)據(jù)挖掘中,此分類(lèi)器具有逼近能力強(qiáng)、收斂速度快等特點(diǎn)。通過(guò)在乳腺X光圖像MIAS數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,提高了人工神經(jīng)網(wǎng)絡(luò)分類(lèi)器的收斂

4、速度和分類(lèi)精度,同時(shí)平均錯(cuò)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(luò)算法為了降低神經(jīng)網(wǎng)絡(luò)分類(lèi)器的訓(xùn)練時(shí)間,同時(shí)進(jìn)一步提高其分類(lèi)性能,本文提出基于粗糙集的小波神經(jīng)網(wǎng)絡(luò)分類(lèi)器的算法設(shè)計(jì)。旨在探索如何利用粗糙集理論中的信息增益約簡(jiǎn)原理,優(yōu)化特征屬性,從而降低訓(xùn)練神經(jīng)網(wǎng)絡(luò)所需要的時(shí)間,同時(shí)可以避免單獨(dú)使用粗糙集分類(lèi)的過(guò)度約簡(jiǎn)問(wèn)題。該分類(lèi)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(luò)分類(lèi)器和小波神經(jīng)網(wǎng)絡(luò)分類(lèi)器比較,基于粗糙集的