基于纹理特征的关联规则挖掘方法的医学应用

于 超，王 璐，吴 琼，裴志松

（长春工业大学a.人文信息学院，长春130122;b.软件职业技术学院，长春 130012）

0 引 言

图像数据挖掘是目前国际上数据库、图形图像技术和信息决策领域最前沿的研究方向之一。图像数据挖掘技术可以广泛应用于医学影像诊断分析、卫星图像分析和地下矿藏预测等各领域[1，2]。目前应用于医学诊断的图像种类很多，CT（Computer Tomography）图像是其中一种重要的种类。在临床诊断中，医生往往在结合自己的临床经验阅读CT片后，作出医学诊断。但这其中难免有一定的误差，因此在实际的治疗诊断过程中，需要借助有效的计算机辅助诊断CAD（Computer Aided Diagnosis）[3]方法帮助医生进行疾病诊断。基于此，笔者提出了一种基于纹理特征的关联规则挖掘方法：首先提取大量的HIS（Hospital Information System）或PACS（Picture Archiving and Communication Systems）中的CT图像的纹理特征，然后结合病患的病例信息存入图像挖掘库，并使用关联规则和剪枝的方法得到有价值的规则，最终自动判断CT图像是否存在病变。

1 图像的特征提取

针对医学辅助诊断的需要，笔者提取了CT图像的纹理特征。纹理特征的分析方法主要有统计法和频谱法。笔者采用了基于统计法的灰度共生矩阵提取CT图像的纹理特征。灰度共生矩阵的14个参数都包含纹理信息，这14个特征可以分为4种类型：基于可视纹理的特征、基于信息理论的特征、基于统计的特征和基于相关度的特征[3]。笔者选取了这4类特征中经过实验验证，能力较强的5个特征值，即能量、熵、惯性矩、局部平稳和相关系数。

相关系数在一定程度上反映了矩阵行与列的线性相关程度，同时，区域图像的均匀程度也可以从相关系数的值得到体现。……