基于ROI的医学图像聚类算法.pdfVIP

计算机科学2006VoL33No．11(增刊) 基于ROI的医学图像聚类算法‘) The and of XMLInfc)rmation Middleware DesignImplementTemporal Processing 潘海为1谢晓芹2张炜2李建中2 (哈尔滨工程大学计算机学院1哈尔滨工业大学计算机技术与工程学院2 哈尔滨150001) oi to erl- A随嘣 lsITiOrethan1ust8nextgrlslOndata domain Image硼Tllng miningImage but∞intexdiscipllnary feW have investi髓tedthis medical isan in deavor．Verypeoplesystematically fiel也Clusteringimagesimportantpart becausethereareseveraltechmeal whmhn挑etins chal— dolaalrrspecl|leappltcatlonImagermmng asidets problem this aHewmedical methodwhichogrttainsthree lengmg．Jllpaper，we Image propose elustenng partsl【1)extrac- features0f basedon of legio璐of the ROL ring interest(ROI)，(2)clusteringROII(3)clusteringimages similarity We resultstodemonstrateitsusefulnessandeffectiveness． present KeyworasImagemining，Medicalimage，DomainImowledge，0bjectclustering，IInagedust盯ing 进行预处理，提取出具有诊断意义的关键像素区域 1前言 (ROI)。接下来，图像聚类算法由三部分组成：(1) 图像获取和存储技术的发展已经促进了大规模 图像中ROI的特征提取，这些特征都是与领域相关 图像数据库的飞速发展[1]。我们的日常生活和各个 的特征，可以很好地度量ROI的相似性；(2)基于以 领域每天都有大量的图像产生，例如医学图像(CT 上特征，本文定义了RoI的相似性度量函数，提出 图像，DCT图像，核磁共振图像)，人造卫星图像和了ROI的聚类算法；(3)基于ROI的聚类结果，本文 各类数字照片等等，这些图像包含了大量的对人们 定义了图像中包含的ROI的权值和基于ROI权值 有用的信息，但是对于用户来说，发现这些潜在的知 的图像相似性度量函数，提出了图像聚类算法。 识是十分困难的。图像挖掘可以自动地从大量图像 本文其它内容的组织如下：第2部分是预处理 中发现这些隐含的知识或者模式，它在数据挖掘领 过程；第3部分介绍医学图像聚类算法，其中包括 域正受到越来越多的重视。图像挖掘不仅仅是数据 RoI特征提取，ROI聚类