面向生物医学文献挖掘的一种改进的贝叶斯算法

随着生物医学文献的指数性增长,运用数据挖掘的方法从生物医学文献中发现新的知识变得越来越重要,其中一个关键的问题就是文献检索.通过分析文本属性对文献检索性能的影响,提出一种改进的贝叶斯算法,引入文档长度因子,并对文档特征向量进行降维,最后利用代谢相关的文献库进行实验.实验结果与分析表明,相对于一般的贝叶斯方法,改进的算法提高了文献的查全率和查准率,同时降低了算法执行的复杂性.     

一种基于静息态功能磁共振成像的快速丘脑分割算法

目的 探讨基于静息态功能磁共振成像(fMRI)的快速有效的丘脑分割方法.方法 静息态fMRI技术是通过测量血氧水平依赖(BOLD)信号的变化间接反映神经元的活动情况.利用丘脑内部的BOLD信号相关并结合聚类分析算法将丘脑进行功能性分割.结果 丘脑被划分为7个区域,同一区域内信号相似度高.此分割结果与利用丘脑-大脑皮层的功能连接强度所得的分割结果相似.结论 静息态fMRI不仅可以分析丘脑-大脑皮层之间的功能连接,还可分析丘脑内部的功能特征.仅利用丘脑内部信息分割丘脑具有运算量小、计算速度快的优点.     

一种新的模糊矢量量化算法

本文通过对模糊聚类（FC）的分析和改进,提出了一种适合图像编码的模糊矢量量化的方法（FVQ）,该方法在聚类过程中未对矢量间的模糊关系进行扩张,而是构造更为合理的关系,从而在计算复杂度降低的情况下能得到更好的聚类,最后利用LBG局部寻优能力对聚类结果进一步优化,所得码书较传统LBG算法有大幅提高。     

基于孤立点分析的医学图像处理

背景：在进行临床诊断的时候,医学影像中许多微小的纹理变化细节和形态特征不容易被发现,会影响对病情的早期判断。 目的：为数字医学图像中病变的计算机诊断提供一种新的思路和方法,帮助医生及早发现和诊断恶性病变、提高诊断效率和准确性。 方法：运用孤立点数据挖掘技术,分析提取医学图像数据集中隐藏、不为人所注意、易被抛弃的但非常有用的信息,找出其中的医学诊断规则和模式,从而辅助医生进行疾病诊断。 结果与结论：实验证明基于医学图像象素聚类的孤立点分析算法对于发现脑部病变是切实可行的。     

一种基于图像分割的视频眼震图记录新方法

传统眼震图记录技术是通过皮肤电极引导微弱的角膜、视网膜电位差以间接地观测眼球运动位移参数。本研究提出了一种基于图像分割的视频眼震图记录新方法，通过摄像单元对眼球震颤的视频采集，对运动图像进行瞳孔图像分割，而后获取瞳孔图像的一个定点在定坐标系下的坐标值，从而实现对眼球的运动轨迹的记录。实验结果表明，与传统的眼震图记录的方法相比，该方法使眼震图记录的准确性、精确度和可靠性方面具有明显优势，能为临床诊断提供更丰富的信息依据。     

改进的遗传模糊聚类算法及其在MR脑组织分割中的应用

为提高MR图像中脑组织分割的精度,针对目前遗传模糊聚类算法存在的问题,提出了改进的遗传模糊聚类算法。首先,通过完全改变遗传算法的编码方式、变异方式和交叉方式,对现有遗传算法进行改进,从而使遗传算法能获得最小的适应度函数值;然后,结合模糊聚类算法,最终得到改进的遗传模糊聚类算法。将改进的遗传模糊聚类算法应用于MR脑图像的分割,结果表明,改进的遗传模糊聚类算法的分割质量高于现有的遗传模糊聚类算法和快速模糊聚类算法。改进的遗传模糊聚类算法可以做为一种快速、全自动的MR脑图像分割工具。     

改进的K-均值聚类算法及其在脑组织分割中的应用

目的：鉴于K-均值聚类算法易受初始聚类中心的影响,初始聚类中心不仅影响聚类速度。还可能使算法陷入局部极小值,得到错误的聚类结果,基于SOM神经网络,提出了一种改进的K．均值聚类算法并将其应用于脑实质分割。方法：首先,由SOM神经网络对图像进行初始聚类,得到＆个聚类中心值;然后,以SOM神经网络获得的k个聚类中心值作为K_均值聚类算法的初始聚类中心对图像进行％．均值聚类,最终获得图像的聚类分割结果。结果：基于SOM神经网络的K-means聚类算法的分割精度为O．9274,K-means聚类算法的分割精度为0．8649。结论：利用改进的K-均值聚类算法对磁共振脑部图像进行了分割实验,结果表明该算法有效改善了K-means聚类算法初始聚类中心选取的盲目性,使聚类结果更为准确、稳定,取得了比单一方法更好的分割结果。     

一种文本数据挖掘与可视化的新方法

传统搜索引擎的搜索结果采用的是以一维列表的形式展现,随着文献数据的急剧增多,用户对于搜索结果的辨识和分析速度也在急剧下降.为了弥补传统工具的这一不足,本文开发了"语义图"(semantic map,SMAP),此工具对文献数据进行数据挖掘和可视化,包括关联匹配和聚类,将搜索结果以二维矩阵图的形式展示出来,方便用户理解数据之间的内部联系,并帮助用户迅速从整体上把握搜索结果.最后以蛋白质组学文献分析过程为例具体展示了此工具的应用.     

一种结合小波分析的新型分水岭算法的研究

分水岭算法用于图像分割时通常由于噪声的存在和梯度的不规则造成过度分割。我们提出了一种新型的分水岭算法，结合了小波分析和数学形态学的一些概念，有效地减少了过度分割现象的产生。实验表明：本算法实现了预期的分割目标，取得了良好的效果。     

基于内容的图像与视频检索技术研究

本文介绍了图像和视频检索技术的目前状况及几个有特色的CBIR系统，探讨了CBIR系统的体系结构、底层视觉特征和高层语义特征的提取与表达方法，以及基于内容视频检索的镜头边界检测、视频镜头内容表示和视频高层语义表示等技术，提出了该领域存在的问题和未来发展方向。     

磁共振颅脑图像快速模糊聚类分割算法的研究

尽管模糊C-均值（简称FCM）聚类算法已广泛应用于图像分割研究,但是,由于模糊C-均值聚类算法所固有的一些缺点,特别是运算开销太大造成了该算法在实际应用中难以推广使用。根据模糊C-均值聚类算法和磁共振颅脑图象的特点,我们提出了一种分割磁共振颅脑图象的快速模糊C-均值（简称FFCM）聚类算法,该算法利用K-均值聚类结果指导模糊聚类的初始化,使模糊聚类的迭代次数明显减少。从而极大地提高模糊聚类的速度,实际应用表明,FFCM的分割速度比FCM快6.5倍以上,而分割精度与FCM相比无显著性差异。     

聚类和关联规则挖掘在基因表达数据分析中的应用研究

随着DNA微阵列技术的广泛应用,产生了海量基因表达数据,如何利用这些数据研究基因间的调控关系成为当前生物信息学的一个研究热点.关联规则挖掘是数据挖掘领域的一个重要技术,然而直接埘基因表达数据进行关联规则挖掘存在两个问题:一是时间和空间复杂度过高;二是获得的规则仅定性表示基因间的调控关系,无法提供关于调控关系强度的信息.本文利用聚类实现数据降维,然后将基因表达水平离散化为七个状态,最后关联分析每个聚类中的基因表达数据.实验结果表明本文的分析方法是有效的.     

基于改进的k-均值聚类和数学形态学的彩色眼科图像病灶分割

病灶面积的定量化研究在眼科临床上具有重要的意义 ,为此首先需要把病灶从眼科图像中分割出来。已有的分割算法未充分利用眼科图像的整体信息 ,不适用于角膜病灶的分割。因此 ,本文提出了一种新算法 :首先利用改进的k 均值算法 ,对色度和亮度进行聚类 ,再通过数学形态学运算分割角膜病灶。实验结果表明 ,该算法能有效地分割出彩色眼科图像中的病灶     

基于塔分割和多中心模糊聚类的医学图像分割

本文提出一种基于塔分割和多中心模糊C均值算法结合的无监督MR图像分割方法。文中采用根标记方法对塔图像进行过分割；在塔的最底层模糊刖像上应用HSC（hierarchical subtractive clustering）计算初始的聚类中心及聚类数。进而应用FCM算法合并过分割的结果。由于塔分割有效地降低了聚类样本数和HSC自动获得有效的初始聚类中心和聚类数，实验结果表明，在聚类性能不变情况下显著地减少FCM算法的运算时间，从而实现医学图像的快速分割。     

一种分割脑磁共振图像的改进FCM聚类算法

噪声和偏移场是影响磁共振(MRI)图像质量的主要因素。以含加性噪声和乘性偏移场的脑MRI图像组织分割为目标,提出一种抗噪局部相干模糊聚类算法,通过在目标函数中加入模糊算子和一致局部信息约束,达到同时抑制噪声和偏移场不利影响的目的,提高分割准确性和稳定性。采用20例合成图像、60例来自BrainWeb的模拟脑MRI图像、100例来自IBSR真实脑MRI图像,对算法的聚类性能进行评价。实验结果表明,在噪声和偏移场干扰并存的情况下,所提出算法与其他几种经典FCM改进算法相比,对合成图像集的平均分类准确度SA达到0.97,高于其他算法,最大可提高0.37;对真实脑MRI图像集的脑脊液分割有明显优势,相似性测度KI平均提高约0.1。分析表明,所提出算法有更好的分类准确性和稳定性。     

一种基于特征优化算法的磁共振脑组织分割方法

结合独立分量分析与支持向量机,提出一种基于特征优化算法的磁共振脑组织分割方法。首先,从图像中提取出灰度和纹理特征构成原始特征集;然后,利用独立分量分析技术对所提取的原始图像特征进行优化处理,提取其中的独立分量构成特征子集;最后,把训练样本与待分类样本都映射到特征子集所张成的独立空间中,利用特征子集对支持向量机分类器进行训练并对脑组织进行分类。实验结果表明,采用本研究的分割方法可以获得比其他相关方法更好的脑组织分割结果。     

一种基于改进的DDCM可形变模型的医学图像分割算法

提出一种基于传统DDCM模型的具有自适应能力的可形变模型算法。利用局部归一化Snakes外力场的方法,提高模型的抗噪声能力,同时降低对初始位置的敏感性;构造图像边界信息图,用统计学方法获得Snakes的即时位置信息,解决传统模型的难于收敛到凹型边界、收敛条件不易控制以及移动步长的单一等问题。这种改进的可形变模型具有一定的自适应能力和较强的鲁棒性,而且效率高,在临床中有一定的实用价值。     

一种基于水平集的医学图像分割算法

对Chan和Vese提出的活动轮廓线图像分割算法进行改进,用边界统计特性代替Chn-Vese方法中的区域统计特性.在图像分割的每次迭代中,首先根据当前曲线找到其边界统计特性,然后代入演化方程以使曲线运动到目标边界上,并用水平集方法实现.实验结果表明该算法在器官轮廓分割中是有效的.     

一种眼底视盘图像的自动分割方法

本文研究了基于计算机图像处理技术的眼底视盘图像的自动分割方法。首先获取视盘图像的红基色图像,然后根据红基色图像中视盘的明显的边沿特征实现视盘的自动分割。一幅具体的眼底图像实验证明了本方法的可行性。