| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题意义 | 第10页 |
| 1.2 数据挖掘的发展与现状 | 第10-13页 |
| 1.3 数据挖掘在医学上的应用现状 | 第13-15页 |
| 1.4 本论文的研究内容与组织结构 | 第15-16页 |
| 第二章 医学数据挖掘 | 第16-29页 |
| 2.1 引言 | 第16页 |
| 2.2 数据挖掘基础 | 第16-20页 |
| 2.2.1 数据挖掘概念 | 第16-18页 |
| 2.2.2 数据挖掘体系结构 | 第18-20页 |
| 2.3 数据挖掘的主要技术与方法 | 第20-25页 |
| 2.3.1 关联规则提取 | 第20-21页 |
| 2.3.2 聚类分析 | 第21-22页 |
| 2.3.3 分类分析 | 第22-24页 |
| 2.3.4 粗糙集理论 | 第24-25页 |
| 2.4 医学数据处理 | 第25-27页 |
| 2.4.1 数据预处理 | 第25-26页 |
| 2.4.2 医学数据的特殊性 | 第26-27页 |
| 2.5 医学数据挖掘过程模型 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 关联规则提取及其在医学图像数据挖掘中的应用 | 第29-44页 |
| 3.1 引言 | 第29页 |
| 3.2 关联规则理论基础 | 第29-32页 |
| 3.2.1 关联规则概述 | 第29-30页 |
| 3.2.2 关联规则基本概念 | 第30-31页 |
| 3.2.3 关联规则挖掘的基本过程 | 第31-32页 |
| 3.3 关联规则挖掘算法 | 第32-36页 |
| 3.3.1 Apriori算法 | 第32-34页 |
| 3.3.2 Apriori算法的改进算法 | 第34-36页 |
| 3.4 图像的灰度共生矩阵 | 第36-39页 |
| 3.4.1 灰度共生矩阵的基本原理 | 第36-38页 |
| 3.4.2 灰度共生矩阵的特征 | 第38-39页 |
| 3.5 基于肝脏CT图像灰度共生矩阵的关联规则挖掘方法 | 第39-43页 |
| 3.5.1 肝脏CT图像介绍 | 第39-40页 |
| 3.5.2 CT图像的特征分析 | 第40页 |
| 3.5.3 肝脏CT图像的关联规则挖掘过程 | 第40-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 粗糙集理论及其在医学领域中的应用 | 第44-62页 |
| 4.1 引言 | 第44页 |
| 4.2 粗糙集基础 | 第44-53页 |
| 4.2.1 近似空间 | 第44-46页 |
| 4.2.2 新型隶属关系 | 第46-47页 |
| 4.2.3 信息系统理论概述 | 第47-48页 |
| 4.2.4 属性约简 | 第48-49页 |
| 4.2.5 属性约简算法 | 第49-51页 |
| 4.2.6 规则的获取与简化 | 第51-53页 |
| 4.3 基于粗糙集理论的数据挖掘技术 | 第53-54页 |
| 4.4 基于粗糙集挖掘的脑瘤MRI影像分析过程 | 第54-60页 |
| 4.4.1 脑瘤MRI影像介绍 | 第54-55页 |
| 4.4.2 MRI影像数据预处理 | 第55页 |
| 4.4.3 脑瘤MRI影像的粗糙集布尔化挖掘过程 | 第55-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第五章 数据挖掘在医学图像中的应用实验 | 第62-73页 |
| 5.1 引言 | 第62页 |
| 5.2 关联规则提取在肝脏CT图像中的应用 | 第62-67页 |
| 5.2.1 数据收集 | 第62-63页 |
| 5.2.2 CT图像的特征提取 | 第63-64页 |
| 5.2.3 CT图像的特征预处理 | 第64-65页 |
| 5.2.4 肝脏CT图像关联规则提取实验 | 第65-67页 |
| 5.3 粗糙集挖掘在脑瘤MRI影像中的应用 | 第67-72页 |
| 5.3.1 数据收集与介绍 | 第67-68页 |
| 5.3.2 数据预处理 | 第68-70页 |
| 5.3.3 基于粗糙集的脑部MRI影像规则挖掘 | 第70-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 引言 | 第73页 |
| 6.2 研究工作总结 | 第73页 |
| 6.3 下一步研究工作展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 攻读硕士学位期间参与的项目与获得的奖励 | 第79-80页 |