首页 > 文献资料
-
基于聚类方法的医疗费用数据挖掘研究
目的 医院病案库内数据正大幅增长,但缺乏数据的集成和分析,更谈不上对医学决策和知识的自动获取,为进一步探索和研究住院病人年龄与平均住院日及平均住院费用之间的联系.方法 我们使用K-means聚类算法,对医院病案库信息系统中病人年龄、住院时间、住院医疗费用数据进行挖掘,分析内在联系,寻找规律.结果 发现30-60岁的住院时间较短,15天以下,但日平均费用并不低,150元以上.而当住院天数超过30天,日平均费用降低至150元以下.说明医疗保险政策还有潜力可挖.结论 可以建立一套完整的、合理的、适用的、医疗治疗体制外的保健、保养政策和机构,尽可能的缩短病人平均住院日,降低医院日平均消耗,加大危险期、急性期病情费用的投入,待病人病情稳定后转入相应的保健、保养机构继续调理.
-
基于聚类-反馈机制的植物鲜药图像检索系统设计
使用计算机辅助进行中草药尤其是植物鲜药的检索和鉴定有着极其重要的现实意义.本文通过研究图像库分类检索和反馈机制,设计出基于聚类-反馈的植物鲜药图像检索系统.系统采用K-means算法,利用小波特征对图像库中的图像进行聚类,并引入人工反馈机制,使聚类更加精确,检索效率和准确率进一步提高.
-
基于直方图均衡化的伽马校正和K-means聚类的舌象苔质分离方法
目的 舌苔、舌质分离对后续肿瘤患者舌象的客观化辨证具有重要的意义.常用的算法是基于颜色空间通道舌图像的K-means聚类算法.CIELAB颜色空间的a?通道舌图像相较于其他颜色空间通道的舌图像分割结果稳定,常用于后续的分割.对于部分舌图像,a?通道舌图像的舌苔、舌质虽然具有一定的区分度,但二者的区分度并不是十分明显,影响后续的分割结果.因此,本文提出一种基于直方图均衡化的伽马校正和K-means聚类的舌苔、舌质分离方法.方法 采用200幅肿瘤患者的舌图像作为实验样本.首先将舌图像从RGB颜色空间转换到CIELAB颜色空间,对a?通道舌图像进行直方图均衡化增强以及伽马校正,然后利用K-means聚类方法对增强后的舌图像舌苔、舌质分离,得到直方图均衡化以及伽马校正后的a?通道舌图像和分割后的舌苔、舌质图像.为了验证算法的可行性,请5位专业中医医生对200例肿瘤患者的舌图像舌苔、舌质分割效果进行辨析.结果 进行直方图均衡化以及伽马校正后的a?通道舌图像舌苔、舌质分割结果明显强于未经处理的a?通道舌图像分割结果.经辨析,分割合格率为97％.结论该方法可以很好地实现舌苔、舌质分离,具有一定的应用价值.
-
基于Harris算子和K-means聚类的红外图像脸部特征自动定位
目的 研究一种红外医学图像处理与分析方法,实现红外人脸图像中特征区域的自动定位.方法 针对红外正面脸部图像,采用一种无监督的局部和全局的特征提取方法,首先通过阈值法区分出前景和背景,并根据面部特征对称性在前景中确定鼻区;然后在面部确定一个包含所有特征的矩形区域,利用Harris算子在该区域检测出角点,并找出这些点的局部大值点;后用K-means方法对这些点进行聚类.结果 100幅临床图像的实验表明,该方法可实现红外人脸图像中眼、鼻、口的自动定位,并能够准确划分脸部的特征区域.结论 本文所建立的图像分析方法可快速、简捷地实现红外图像面部特征自动定位,且重复性较好、可信度较高.
-
基于聚类方法的军队住院病人特征分析
目的:通过聚类方法分析军队住院病人特征,提高军队病人的医疗保障水平.方法:提取某军队医院2015年1月1日到2016年6月30日军队住院病人2038例,采用K-means聚类方法进行聚类,使用卡方检验和方差分析分析住院病人特征.结果:军队住院病人聚为6类:正常就诊病人、以仪器治疗为主的病人、使用高值耗材的手术病人、小手术病人、压床病人、检查和化验病人.各类病人的年龄、入院方式、入院病情、诊断个数、住院日和住院总费用差异均有统计学意义.结论:通过对军队住院病人进行聚类分析,发现了军队医疗保障中存在的问题,对提升军队病人的医疗保障水平提出了建议.
-
基于K均值聚类算法的宫颈癌细胞分割方法
目的 探究一种对宫颈癌细胞显微图像进行彩色分割的方法,辅助临床诊断.方法 采用彩色聚类分割方法,并结合K-means聚类算法实现细胞图像的有效分割.结果 实现了宫颈癌细胞图像的有效分割,色彩信息得到大保留.结论 该实验结果有利于辅助专家进行宫颈癌病理诊断,并为后期研究宫颈癌细胞特征识别奠定基础.
-
基于K-means聚类与改进随机游走算法的冠脉光学相干断层图像斑块分割
光学相干断层成像技术(OCT)现已发展成为国内外较热门的冠状动脉内影像技术,其中冠脉OCT图像的斑块区域分割对易损斑块的识别和研究有着重大意义.本文提出了一种基于K-means聚类与改进随机游走的新算法,实现了对冠脉钙化、纤维化斑块和脂质池的半自动化分割.本文主要创新点为改进了随机游走算法的权函数,将图像中像素间的边与种子点之间的距离加入到了权函数定义中,增加了弱边界的权值,防止了过分割现象的发生.本文基于以上方法对9名冠状动脉粥样硬化患者的OCT图像进行了斑块区域分割.通过对比医生手动分割结果,证明了本文方法具有良好的精度和鲁棒性,以期本文方法可对冠心病的临床诊断起到一定的辅助作用.
关键词： K-means聚类 随机游走算法 斑块区域分割 光学相干断层成像技术 -
基于灰度直方图多峰值选取的脑组织MRI图像K-means聚类分割方法研究
针对传统的K-means聚类算法随机选取初始聚类中心的问题,根据脑MRI图像的灰度直方图呈现出多个“波峰”和“波谷”的特点,将鲁棒选取的“波峰”点用作代表脑白质、脑灰质、脑脊液的K-means聚类算法的初始聚类中心,提出了一种基于灰度直方图多峰值选取的脑MRI图像K-means分割算法,实验结果表明,该分割算法克服了传统K-means聚类算法随机选取初始聚类中心带来的迭代次数多、分割效率低、精确度不高、结果不稳定等不足,能够高效、准确、稳定地分割出了脑白质、脑灰质、脑脊液等脑组织.该算法直方图“波峰”点选取思想具有较为广泛的适用性.
