Un algoritmo mejorado de los buitres africanos para la optimización de múltiples umbrales en la segmentación de imágenes de rayos X de tórax. | JoVE Visualize

Área de la Ciencia:

Imágenes médicas de imágenes médicas.
Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador
La inteligencia artificial es inteligencia artificial.

Sus antecedentes:

La segmentación precisa de imágenes es crucial para el diagnóstico y las aplicaciones médicas.
Los métodos tradicionales de umbral de dos niveles (Kapur, Otsu) son computacionalmente intensivos para la segmentación de varios niveles.
Los métodos existentes luchan con la complejidad de los múltiples umbrales en las imágenes médicas.

Objetivo del estudio:

Desarrollar un nuevo método de segmentación de umbral de varios niveles para imágenes de rayos X de tórax.
Para mejorar la eficiencia y precisión de la segmentación de imágenes médicas utilizando algoritmos de optimización.
Para abordar las limitaciones computacionales de las técnicas tradicionales de umbral en escenarios de varios niveles.

Principales métodos:

Propuso un algoritmo mejorado de optimización de buitres africanos multi-objetivo (IMMOAVOA).
Aprendizaje opuesto parcial promedio integrado y un mecanismo de exploración en profundidad en el AVOA.
Desarrolló un modelo de umbral de objetivos múltiples que combina el método de Otsu y la entropía de 2D Kapur.

Principales resultados:

IMMOAVOA demostró un rendimiento superior en comparación con el AVOA original y otros algoritmos de referencia.
El método propuesto logró una mayor eficiencia en la segmentación de imágenes de múltiples umbrales a través de varias métricas.
Las evaluaciones de las funciones de prueba ZDT, DTLZ e imágenes de rayos X del tórax validaron la efectividad del algoritmo.

Conclusiones:

El IMMOAVOA ofrece un avance significativo en la segmentación de umbrales de varios niveles para imágenes médicas.
Este enfoque mejora la precisión del diagnóstico a través de una segmentación de rayos X de tórax más precisa.
El estudio destaca el potencial de los algoritmos avanzados de optimización para superar las limitaciones de las técnicas tradicionales de procesamiento de imágenes.