基于数据挖掘的PACS智能辅助诊断模型研究

随着PACS系统在我国各医院的普及,如何高效利用存储于PACS数据库中海量信息,从中获取有价值的和隐含的知识已经成为当前PACS应用的新热点。将数据挖掘技术与PACS系统相结合,对基于数据挖掘的智能辅助诊断模型进行研究,给出模型的构造框架,并对模型功效进行分析和评估。

PACS中基于图像内容的检索

基于图像内容的检索(contentbasedimageretrieval,CBIR)改进了传统的基于关键词、注释等的图像检索方式,因而在PACS系统中有着广阔的应用需求。对CBIR算法进行分析,并给出常用的易于实现的6种算法实现方式。最后通过具体的试验数据对各算法进行查询时间和效率的分析,得出对称相互熵这种检索方式在实际中可以达到较好的效果。

数据挖掘在医学图像分类中的应用

医学图像的自动分类对于医院的信息自动化有重要的意义。本文通过提取医学影像特征的方法,利用数据挖掘中的决策树、神经网络,对图像特征进行分析,找到能够对图像进行分类的图像特征临界值。本文将数据挖掘的方法应用于正侧位胸片中,给出如何自动区分正侧位胸片的方法,并结合本院的PACS系统应用,证明了这种方法的有效性。

几乎最快与渐近最优的并行分枝界限算法(英文)

分枝界限算法是求解组合优化问题的技术之一 ,它被广泛地应用在埃运筹学与组合数学中 .对共享存储的最优优先一般并行分枝界限算法给出了运行时间复杂度下界Ω ( m / p +hlogp ) ,其中 p为可用处理器数 ,h为扩展的结点数 ,m为状态空间中的活结点数 .通过将共享存器设计成 p个立体堆 ,提出了 PRA M- EREW上一个新的一般并行分枝界限算法 ,理论上证明了对于 h<p2 p ,该算法为最快且渐近最优的并行分枝界限算法 .最后对 0 -

基于统计的X光片肺部区域自动校准

X光片的自动校准能在放射科医师摄片时对感兴趣区域(ROI)提供聚焦功能,从而方便实际操作和提高摄片质量。本文提出了一种基于统计的X光片肺部区域自动校准算法,分析了单纯依赖图像灰度值信息的不足之处并提出解决方法。从试验结果和实际效果看,本方法能够对X光片中肺部区域实现自动校准,有着较好的应用前景。

PACS中诊断文本的SVD聚类研究

本文研究了PACS中诊断文本的聚类问题。对诊断文本通过词频矩阵建立向量空间模型,在保持文本向量余弦相似度不变的前提下,采用奇异值分解对空间降维,以减少空间的占用和计算时间,最后利用层次聚类算法得到各种常见病变的诊断文本聚类结果。最后从实践角度讨论诊断文本聚类需要考虑的因素。