基于改进K-means与机器视觉的档案数据分析技术

• 全文链接
• 请求原文

作   者：

崔雨晴; 

作者机构：

山东省济宁市第一人民医院; 

关键词：

K-means;  CUDA;  机器视觉;  档案数据;  图像处理; 

期刊名称：

电子设计工程

i s s n：

1674-6236

年卷期：

2024 年 32 卷 002 期

页   码：

191-195

摘   要：

为了提升医疗信息系统对健康档案数据的分析效率,文中采用图像采集、降噪、配准与差分等技术提取医疗图像信息,进而有效提升信息系统的数据采集效率.同时还对传统的K-means算法加以改进,并提出了一种基于类间、类内距离的聚类初始化评价指标体系(BWP),将其应用于采集到的档案数据中,以实现快速的聚类分析.将所提算法在CUDA计算平台上进行了实现,测试结果表明,该方法的聚类精度和运行效率较现有算法均有显著提升.此外,改进后K-means算法的正确聚类样本数量占比提升了4.88%,高于现有的主流指标体系,且当聚类数k的取值为16或32时,运行时间大幅降低.