面向医学图像的诊断技术研究作为医学和计算机科学的交叉学科,成为国内外医学领域研究的重要方向之一。利用数据挖掘和计算机技术,从医学图像中挖掘出蕴含在图像内的丰富特征信息和规则,辅助医生进行医学图像临床诊断,具有较高的学术价值和广泛的应用前景。目前,面向医学图像的数据挖掘研究刚刚起步,现有的数据挖掘方法直接应用在医学图像还存在许多问题。研究和探索适合于医学图像的数据挖掘方法及其算法具有重要而现实的意义。本研究系统回顾了医学图像关联规则挖掘的目的、意义和国内外研究状况,针对图像的自身特点及医学图像数据挖掘的应用要求,详细分析了医学图像关联规则挖掘方法。针对现有关联分类算法存在的问题,提出了基于关联规则的医学图像分类算法,并初步建立了基于图像特征的医学图像智能分类器。研究工作及取得的成果主要体现在以下方面:1、根据医学图像的特点,分别对基于直方图的颜色特征、基于灰度共生矩阵的纹理特征、基于Gabor小波的纹理特征等特征提取方法进行分析并实现。2、对提取出的医学图像特征利用粗糙集进行属性约简,并运用基于知识规则的特征加权方法确定属性的权值。3、针对CMAR算法(Accurate and efficient classification based onmultiple class-association rules,CMAR)用于医学图像挖掘时效率低下的缺点,提出基于双支持度的挖掘算法。此算法可以减少内存的开销,提高挖掘的精确度,适合于图像等海量数据库的关联规则挖掘。4、建立并实现医学图像智能分类器模型,应用CMAR算法及其改进算法实现对医学图像进行分类。