بررسی خوشه بندی اسناد پزشکی با روش های K-means و C-means

اطلاعات پزشکی در بسیاری از موارد به صورت رایگان در قالب گزارش-های پزشکی ارائه می شود. این گزارش ها حاوی اطلاعات مهمی درباره بیماران، پیشرفت بیماری و روند درمان است. اما به دلیل بدون-ساختار بودن این اسناد، تجزیه و تحلیل آنها با استفاده از روش های معمول داده کاوی دشوار است. خوشه بندی، یک روش یادگیری بدون نظارت است که می تواند به ما در کشف الگوها در اسناد پزشکی و دسته بندی آنها در خوشه های معنادار کمک کند. با استفاده از این روش، ما می -توانیم ویژگی های مرتبط را از هر خوشه استخراج کرده و اطلاعات مهمی را درباره آنها بدست آوریم. بعنوان مثال، در تقسیم بندی تصاویر می توانیم آن ها را بر اساس ویژگی هایی مانند رنگ، بافت و شکل دسته بندی کنیم. با استفاده از الگوریتم های خوشه بندی میتوانیم در محاسبات دقت و سرعت بیشتری داشته باشیم. برای بهبود کارایی و نتایج دقیق تر داده های تصویری، قبل از انجام خوشه بندی پردازش تصویر و انتخاب الگوریتم مناسب انجام می شود.

کلیدواژه ها:

تقسیم بندی ، یادگیری ماشین ، پردازش تصویر ، تصاویر پزشکی ، یادگیری بدون نظارت