关联规则挖掘结合PSO的基因-疾病关系自动提取方法

针对生物医学可用数据越来越庞大而导致管理人员很难从非结构化文件中整理出有用信息的问题,提出了一种基因-疾病关联规则提取方法 .首先从MEDLINE和OMIM准备实验语料库,应用解析器产生一些语法信息;然后学习所有可能的规则,利用粒子群优化进行优化学习,从不相关句子中区分相关的;最后,计算学习规则的分数,选择感兴趣的规则,并生成一组有用的关联规则.以精度、召回率和F-分数为评价指标的实验证明了提出方法的有效性.实验结果表明,提出的方法最大精度、召回率和F-分数可分别高达79.2%、65.1%、68.5%,相比手动规则集,提出的方法更加完整.     

基于自适应网格点弹性变换的血管减影提取方法

针对患者在两次扫描之间出现的位移现象和局部变换以及造影后血管CT亮度接近骨骼组织等问题,提出了基于自适应网格的B样条弹性配准减影方法.该方法通过配准CT血管造影(Computed Tomography Angiography,CTA)扫描和CT扫描影像,将其通过非刚性变换映射到相同的空间中,由CT血管造影影像减掉CT影像,得到造影后的血管.该方法解决了两次扫描之间出现的局部变换的问题,有效地改善了减影结果,消除了直接减影留下的骨骼残留和血管过减影等现象,可以较好地满足临床应用需求.