Un nuevo algoritmo dinámico basado en Nelder Electric Eel Foraging para optimización global y segmentación de...

Área de la Ciencia:

• Imágenes médicas
• Inteligencia computacional
• En el campo de la oncología

Sus antecedentes:

• El diagnóstico del cáncer colorrectal (CRC) se basa en gran medida en la segmentación de imágenes médicas precisas.
• Los métodos metaheurísticos tradicionales luchan con la convergencia, el umbral y el equilibrio exploración / explotación en la segmentación de imágenes de la patología CRC.
• La segmentación efectiva es crucial para guiar las decisiones de diagnóstico y las estrategias de tratamiento.

Objetivo del estudio:

• Introducir el algoritmo de optimización dinámica adaptativa de la anguila eléctrica de Nelder (DANEEFO) para mejorar la segmentación de imágenes de múltiples umbrales (MTIS) de las imágenes de patología del cáncer colorrectal (CRC).
• Abordar las limitaciones de los algoritmos metaheurísticos existentes en términos de velocidad de convergencia, determinación de umbrales y exploración del espacio de búsqueda.
• Mejorar la precisión y la eficiencia de la segmentación de imágenes médicas para CRC.

Principales métodos:

• Desarrolló DANEEFO, un algoritmo metaheurístico mejorado que incorpora la inicialización del hipercubo latino (LHI), la estrategia de atracción adaptativa (AAS), el simplex adaptativo de Nelder-Mead (ANM) y la estrategia de propagación dinámica (DSS).
• DANEEFO aplicado al MTIS de imágenes de la patología del CCR utilizando entropía de Renyi 2D e histogramas 2D.
• Validar el rendimiento de DANEEFO en las funciones de referencia CEC2017 y compararlo con los algoritmos de segmentación existentes.

Principales resultados:

• DANEEFO demostró un rendimiento superior en comparación con los algoritmos de segmentación metaheurística clásicos y recientes.
• Se logró una alta precisión de segmentación con una relación pico de señal a ruido (PSNR) de 29,9410, una medida de índice de similitud de características (FSIM) de 0,9882 y una medida de índice de similitud estructural (SSIM) de 0,9782.
• Demostró mejores capacidades de convergencia, exploración y explotación para tareas complejas de segmentación de imágenes.

Conclusiones:

• DANEEFO ofrece un avance significativo en el MTIS de las imágenes de la patología del CCR.
• Las estrategias mejoradas del algoritmo superan efectivamente las limitaciones de los métodos tradicionales, lo que lleva a una precisión y eficiencia de segmentación superiores.
• DANEEFO presenta una herramienta prometedora para mejorar el diagnóstico del CCR y facilitar la planificación precisa del tratamiento.