基于关联规则挖掘与决策树算法的混合医学图像分类
计算机视觉与模式识别
2010-03-25 v1
摘要
所提方法中图像挖掘的主要焦点是CT扫描脑图像中脑肿瘤的分类。系统的主要步骤包括：预处理、特征提取、关联规则挖掘和混合分类器。预处理步骤使用中值滤波过程完成，边缘特征使用Canny边缘检测技术提取。本文提出了两种以混合方式进行的图像挖掘方法。通过频繁模式树（FP-Tree）算法从CT扫描图像中生成频繁模式，该算法挖掘关联规则。决策树方法用于对医学图像进行分类以进行诊断。该系统提高了分类过程的准确性。混合方法比传统图像挖掘方法提高了所提方法的效率。在预诊断脑图像数据库上的实验结果显示，灵敏度为97%，准确率为95%。医生可以利用这个准确的决策树分类阶段将脑图像分类为正常、良性和恶性，以进行有效的医学诊断。
引用
@article{arxiv.1001.3503,
title = {Hybrid Medical Image Classification Using Association Rule Mining with Decision Tree Algorithm},
author = {P. Rajendran and M. Madheswaran},
journal= {arXiv preprint arXiv:1001.3503},
year = {2010}
}