孤立點(diǎn)分析在醫(yī)學(xué)領(lǐng)域的應(yīng)用研究.pdf

1、隨著現(xiàn)代信息技術(shù)的迅速發(fā)展，許多領(lǐng)域都積累了大量的數(shù)據(jù)，我們渴望發(fā)現(xiàn)潛在于這些數(shù)據(jù)中的知識(shí)與規(guī)律，正是這一需求造就了數(shù)據(jù)挖掘?qū)W科的興起及數(shù)據(jù)挖掘技術(shù)的發(fā)展。數(shù)據(jù)挖掘技術(shù)主要的目的就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)，作為一個(gè)多學(xué)科交叉的綜合性領(lǐng)域，數(shù)據(jù)挖掘涉及了數(shù)據(jù)庫(kù)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、高性能計(jì)算、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)和數(shù)據(jù)可視化等學(xué)科。
　　

2、 聚類(lèi)分析是數(shù)據(jù)挖掘中的一個(gè)重要研究領(lǐng)域。所謂聚類(lèi)，就是把沒(méi)有類(lèi)別標(biāo)記的樣本集按某種準(zhǔn)則劃分成若干類(lèi)，使類(lèi)內(nèi)樣本的相似性盡可能大，而類(lèi)間樣本的相似性盡量小，是一種無(wú)監(jiān)督的學(xué)習(xí)方法。聚類(lèi)分析通常是在沒(méi)有先驗(yàn)知識(shí)支持的前提下進(jìn)行的，它所要解決的就是在這種前提下，實(shí)現(xiàn)滿(mǎn)足要求的類(lèi)的聚合。聚類(lèi)分析的研究主要集中在聚類(lèi)算法上，產(chǎn)生性能好而且實(shí)用的聚類(lèi)算法是其終極目的。迄今為止，人們提出了很多種不同的適用于數(shù)據(jù)挖掘的聚類(lèi)算法，但這些算法僅適用于特

3、定的問(wèn)題及用戶(hù)，而且它們?cè)诶碚摵头椒ㄉ先圆煌晟?，甚至還有嚴(yán)重的不足之處。對(duì)聚類(lèi)算法的進(jìn)一步優(yōu)化研究將不僅有助于算法理論的完善，更有助于算法的推廣和應(yīng)用。
　　 醫(yī)學(xué)圖像的數(shù)據(jù)挖掘不僅是數(shù)據(jù)挖掘研究領(lǐng)域的一個(gè)熱點(diǎn)，也是難點(diǎn)。目前圖像挖掘的工具較少，挖掘過(guò)程需要人工干預(yù)，很難實(shí)現(xiàn)完全的自動(dòng)化。
　　 在實(shí)際的醫(yī)療工作中，醫(yī)生對(duì)病人的醫(yī)學(xué)圖片的檢查往往是通過(guò)多年的臨床經(jīng)驗(yàn)來(lái)進(jìn)行的，而個(gè)人的臨床經(jīng)驗(yàn)又不可能面而俱到，何況檢查的過(guò)

4、程中還會(huì)存在很多的偶然性的干擾因素，所以很有必要利用數(shù)據(jù)挖掘技術(shù)為醫(yī)療行業(yè)提供幫助。
　　 孤立點(diǎn)分析又稱(chēng)孤立點(diǎn)挖掘、異常檢測(cè)、例外挖掘、小事件檢測(cè)、挖掘極小類(lèi)、偏差檢測(cè)。孤立點(diǎn)可能是“臟數(shù)據(jù)”，也可能是與實(shí)際對(duì)應(yīng)的有意義的事件。從知識(shí)發(fā)現(xiàn)的角度看，在某些應(yīng)用里，那些很少發(fā)生的事件往往比經(jīng)常發(fā)生的事件更有趣、也更有研究?jī)r(jià)值。因此，異常數(shù)據(jù)的檢測(cè)和分析是一項(xiàng)重要且有意義的研究工作。
　　 本文針對(duì)傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)在圖像挖