模糊聚类分析在乳腺癌图像分类中的应用.pdf

第23卷第10期计算机应用与软件VoI.23，No.10
2006年10月ComputerAppIicationsandSoftwareOct.2006

模糊聚类分析在乳腺癌图像分类中的应用

1，231
王曙燕周明全耿国华
（1西北大学计算机科学系陕西西安710069）
（2西安邮电学院计算机系陕西西安710061）
（3北京师范大学信息科学与技术学院北京100875）

摘要研究模糊聚类分析在医学图像数据挖掘中的应用。利用决策树算法对乳腺癌图像数据进行分类，实现了一个基于决策
树算法的医学图像分类器，获得了分类的实验结果。该模型系统达到了较高的分类准确率，证明数据挖掘在辅助医疗诊断中有着广
泛的应用前景。

关键词数据挖掘模糊聚类决策树分类医学图像

APPLICATIONOFFUZZYCLUSTERANALYSIS
FORTEMAMMOGRAPYCLASSIFICATION

WangShuyan1，2ZhouMingguan3GengGuohua1
（1DepartmentofComputer，NorthwestUni1ersity，XifanShaanxi710069，China）
（2DepartmentofComputer，XifanInstituteofPost&Telecoms，XifanShaanxi710061，China）
（3CollegeofInformationScienceandTechnology，BeijingNormalUni1ersity，Beijing100875，China）

AbstractTostudytheappIicationoffuzzycIusteranaIysisformedicaIimagedatamining.DecisiontreeaIgorithmsareappIiedtothedata
miningofthemammographycIassification，proposesamedicaIimagescIassifierbasedondecisiontreeaIgorithm，theexperimentresuItsare
given.TheexperimentaIresuItsshowthatthesystemperformsweIIinaccuracy，verifyingthegreatpotentiaIofdataminginginassistantmedi-
caItreatment.

KeywordsDataminingFuzzycIusterDecisiontreeCIassificationMedicaIimages

好的健壮性且能够学习析取表达式。本文用决策树算法将数字
引言化的乳腺X线照片分为两类：正常和异常。其中异常又分为良
性和恶性两种，良性肿瘤不含癌细胞，而恶性肿瘤有癌细胞
数据挖掘就是从大量的、不完全的、有噪声的数据中，提取组织。
新颖的、有效的和潜在有用的信息的过程。数据挖掘的所处理
的数据类型很丰富，数据挖掘的应用领域也非常广泛。但针对2图像分类
特定领域（如医学）的复杂数据类型的数据挖掘新方法还有待
研究。MDM/KDD2002年会［1］表明多媒体数据挖掘的思想已经2.分类
开始向医学图像、台风预报预测等领域扩展，加拿大、美国和日分类是这样的过程，它找出描述并区分数据类或概念的模
本等国家的科学家已在这方面进行了研究，国内在这方面的研型（或函数），以便能够使用模型预测类标记未知的对象类。导
究还处于起步阶段。出模型是基于对训练数据集（即其类标记已知的数据对象）的
医学图像的数据挖掘旨在从海量的图像数据中挖掘出有效分析。导出模型可以用多种形式表示，如分类规则、决策树、数
的模型、关联、规则、变化、不规则以及普遍的规律，以加速医生学公式或神经网络。
决策诊断的过程和提高其决策诊断的准确度。随着医疗数字化分类是一类重要的数据挖掘问题，可描述如下：输入数据，
设备的快速发展，医学信息数据库中不仅包括病人的结构化的或称训练集，是一条条的数据库记录组成的。每一条记录包含
信息，还包括病人大量非结构化的医学图像信息，为医学图像的若干个属性，组成一个特征向量。训练集的每条记录还有一个
数据挖掘提供了丰富的数据源。特定的类标签与之对应。该类标签是系统的输入，通常是以往
目前妇女乳腺癌发病率越来越高，还没有有效的方法治疗的一些经验数据。一个具体样本的形式可为样本向量：（，，
1112
乳腺癌，因此早期检测就成为治疗和提高存活率的重要因素。⋯，；）。在这里表示字段值，表示类别。
1nc1ic
乳腺X线照片被认为是乳腺癌早期检测的最可靠的方法。在
数据挖掘的各种方法中，决策树归纳学习是应用最广的归纳推收稿日期：2005-10-08。王曙燕，副