基于貝葉斯模型的醫(yī)學影像分類技術的研究與應用.pdf

1、隨著數(shù)字化醫(yī)學影像技術的不斷發(fā)展，現(xiàn)如今醫(yī)學影像設備在臨床醫(yī)學上廣泛應用開來，基于醫(yī)學影像技術的計算機輔助診斷應用也迅速普及起來。各種醫(yī)學影像模式，也已作為病情跟蹤、臨床醫(yī)學診斷以及教學研究等的重要客觀依據(jù)，并促進了現(xiàn)代臨床醫(yī)學診斷技術的發(fā)展。運用數(shù)據(jù)挖掘中的分類技術，對醫(yī)學影像分析處理后，挖掘出深層本質(zhì)特征信息，輔助醫(yī)學臨床診斷，減少醫(yī)生工作量的同時降低了由于醫(yī)生依靠臨床經(jīng)驗進行診斷的誤差。除此之外，對于學術研究的價值也比較高，應用場

2、景也比較廣泛。但由于醫(yī)學影像本身的特點，比如樣本種類繁多，維度高，采樣周期不均等，使得醫(yī)學影像的診斷識別成為了一個復雜且非線性問題。在影像分類方法技術中，研究者們提出了很多基于神經(jīng)網(wǎng)絡、概率統(tǒng)計等方法，如貝葉斯分類方法等。
　　在貝葉斯分類方法的基礎上，研究者們提出了多方面上的改進，包括最基本的樸素貝葉斯分類模型NB和后來的AODE分類模型等。對于即時性要求高的應用場景，研究者們也提出了相應的解決方法 AAPE分類模型。由于在選擇

3、父屬性時，AAPE分類模型本身不會考慮它們的選擇順序，即選擇順序?qū)Ψ诸惤Y(jié)果造成的影響，因此針對早期的分類可能精確度較低。
　　針對這一不足之處，本文通過引入遺傳算法，提出了基于該算法以及特征屬性權重的AAPGE分類模型。該模型將會權衡計算資源和分類結(jié)果精確度，使兩者能達到平衡，即時性要求下精確度也能達到一定程度。本文的主要研究成果如下：
　　1.在AAPE分類模型的基礎上，引入遺傳算法以及計算特征屬性權重的方法，提出了改進的

4、貝葉斯分類模型 AAPGE。然后利用互信息以及卡方統(tǒng)計信息這兩種計算屬性權重的方法取得計算值分別作為遺傳算法的適應度函數(shù)，并運用遺傳算法計算屬性排序后的 SPODE。最后取得結(jié)果證明AAPGE分類模型比AAPE的精確度高，并且在分類早期精確度得以提升。
　　2.基于AAPGE分類模型，將設計并實現(xiàn)一個醫(yī)學影像分類系統(tǒng)原型。經(jīng)過實驗測試，證明該模型相對于AAPE分類模型，分類的精確度上效果明顯提升，同時保證了分類的即時性和準確性能達