图像挖掘技术是数据挖掘中的一个重要的组成部分,随着数据挖掘技术的不断发展,图像挖掘技术也受到了空前的关注。目前对于现实世界中的图像数据库,每天都有很多的图像产生,但是对于海量的数据,我们却不知道如何处理。图像的挖掘技术也应着需求得以很快的发展起来。本文介绍了图像挖掘中的一般方法,并将其应用到颅脑CT图像的分类研究中来,取得了一定的准确性。目前图像挖掘的技术在医学中的应用还处于初级阶段,现在已经应用到生物医学、乳腺癌疾病的医学影像的分析、肝脏医学影像的分析、DNA基因序列的分析研究中来,以及对于心电图的图谱分析等,在这些方面都有了研究的先例,并且也应用到了实际中来。本文介绍了医学数据挖掘中的一些相关的知识。以医学图像中颅脑CT图像为数据基础,分析了影响CT图像质量的各个因素,并根据这些影响因素来对图像进行预处理。通过降低图像中的噪声,并进一步对图像进行增强处理。在本文中采用了二阶微分的拉普拉斯变换对图像进行增强处理。在图像的预处理之后,接着提取出图像的特征信息,使得其能够更好的理解图像。本文将对其进行图像的特征提取,提取出能够代表一幅图像的特征信息。本文通过对图像的颜色,纹理,形状等特征来提取出描述图像的信息。基于颜色的特征提取主要采用了灰度直方图的方法,并根据数理统计来对图像的颜色特征进行量化。基于纹理的特征提取主要采用了灰度共生矩阵的纹理特征分析方法。对于图像的形状特征本文主要采用了傅里叶形状描述符法。文章的最后一部分主要是从数据挖掘的角度出发对提取出的图像特征进行分类研究,文中采用了决策树方法中的CART算法对医学图像进行分类,并在CART算法的基础上对其进行改进。并通过医学图像数据库进行实验,基于颅脑CT图像中的第5层至头顶皮层进行分析,结果显示分类的准确率达到了很好的效果。