全局的な最適化と病理性大腸がん画像セグメンテーションのための新しいダイナミックなNelderベースのElectric Eel Foragingアルゴリズム
Mahmoud Abdel-Salam1, Essam H Houssein2, Marwa M Emam3
1Faculty of Computers and Information Science, Mansoura University, Egypt.
Computers in biology and medicine
|August 28, 2025
まとめ
新しいアルゴリズムであるダイナミック・アダプティブ・ネルダー・エレクトリック・アール・フォーゲージング・オプティマイゼーション (DANEEFO) は,大腸がん (CRC) の画像セグメンテーションを改善します. この方法は,CRC病理画像の診断精度と治療計画を改善します.
科学分野:
- 医療用イメージング
- コンピューター・インテリジェンス
- 腫瘍学
背景:
- 結腸直腸がん (CRC) の診断は,正確な医療画像セグメンテーションに大きく依存しています.
- 伝統的なメタヒューリスティック・メソッドは,CRC病理画像セグメンテーションにおける収束,値,探索/搾取のバランスと闘う.
- 効果的なセグメンテーションは 診断決定と治療戦略の指針に不可欠です
研究 の 目的:
- ダイナミック・アダプティブ・ネルダー・エレクトリック・アール・フォーゲージング・オプティマイゼーション (DANEEFO) アルゴリズムを導入し,大腸がん (CRC) の病理画像の強化された多値画像セグメンテーション (MTIS) を行います.
- 収束速度,値決定,および検索空間探査の観点から,既存のメタヒューリスティックアルゴリズムの限界に対処する.
- CRCのための医療画像セグメンテーションの正確性と効率を向上させる.
主な方法:
- ラテン・ハイパーキューブ初期化 (LHI),アダプティブ・アトラクション・ストラテジー (AAS),アダプティブ・ネルダー・ミッド・シンプレックス (ANM),ダイナミック・スプレッド・ストラテジー (DSS) を含む強化されたメタヒューリスティック・アルゴリズムであるDANEEFOを開発した.
- 2D Renyi エントロピーと2D ヒストグラムを使用して,CRC病理画像のMTISにDANEEFOを適用した.
- CEC2017のベンチマーク機能に関するDANEEFOのパフォーマンスを検証し,既存のセグメンテーションアルゴリズムと比較した.
主要な成果:
- DANEEFOは,古典的および最近のメタヒューリスティックセグメンテーションアルゴリズムと比較して優れたパフォーマンスを示しました.
- ピークシグナル対ノイズ比 (PSNR) が29.9410で,特徴類似度指数測定 (FSIM) が0.9882で,構造類似度指数測定 (SSIM) が0.9782で,高いセグメンテーション精度を達成しました.
- 複雑な画像セグメンテーションタスクの収束,探査,利用能力を向上させました.
結論:
- DANEEFOは,CRCの病理画像のMTISにおいて重要な進歩をもたらしています.
- アルゴリズムの強化された戦略は,従来の方法の限界を効果的に克服し,優れたセグメンテーションの正確性と効率性をもたらします.
- DANEEFOは,CRCの診断を改善し,正確な治療計画を促進するための有望なツールです.


