以国家自然科学基金资助课题“基于医学图像的数据挖掘技术研究(60372072)”为背景,应用医学图像数据挖掘中的关键技术和算法开发了乳腺癌病变检测模块;设计开发了组件式动态辅助诊断平台;针对实际应用需求开发了诊断信息化子系统。完成了PACS(医学图像存档与通信系统)衍生系统——“医学影像数据库系统”的研发。主要研究工作如下:(1)医学图像预处理。使用K近邻(KNN)平滑滤波器算法和灰度直方图处理技术完成了去噪和增强处理。引入峰值信噪比(PSNR)方法对KNN去噪效果进行评估,并针对乳腺癌图像特点,在PSNR的基础上,提出了PSNR-B值的定义和计算方法,两者相结合,共同对乳腺癌病变检测模块中最佳KNN模板规模和K值做了决策。(2)医学图像特征提取与分类。采用Fast Marching算法进行疑似肿块区域分割。针对疑似肿块区域采用灰度共生矩阵纹理分析方法,提取了26个与方向无关的纹理特征值和4个弦长统计特征。使用近似支撑矢量机的方法构造了针对乳腺癌图像的正常异常分类器。对疑似肿块区域分割前后提取的两套特征值分别做分类器的输入。对分类效果做比较。试验表明,相对图像全局提取特征,采用疑似肿块区域分割后再提取特征值的方法更适合于乳腺癌图像分类。(3)辅助诊断系统的信息共享。在深入研究JNI技术的基础上,设计了组件式动态辅助诊断平台,并提出了一套面向此平台的辅助诊断系统移植解决方案。通过该方案,现有的C/S架构系统可移植为B/S架构,并配置到本系统中。基于庞大的医学影像数据库,不仅实现了医学影像数据的信息共享,还实现了辅助诊断系统的共享。达到了数据和系统的院级信息共享。(4)诊断信息系统的研发。在调研医院的诊断信息化需求上,设计了以用户为中心的医学影像数据存储模式,实现了从分诊到检查再诊断的三步式诊断信息模型系统。