病理画像セグメンテーションにおける肺がんの適応型ハイブリッドメタヒューリスティックアルゴリズム

科学分野:

• デジタル病理学
• 医用画像解析
• 計算知能

背景:

• 組織病理画像は、肺がんの診断とサブタイピングに不可欠です。
• これらの画像の自動セグメンテーションは、高解像度、色の多様性、複雑さのために困難です。
• 正確なセグメンテーションは、信頼性の高いAI支援診断システムにとって不可欠です。

研究 の 目的:

• 多値画像しきい値処理のための新しいハイブリッドメタヒューリスティックアプローチを開発すること。
• 肺がん組織病理画像セグメンテーションの精度と計算効率を向上させること。
• 自動分析における複雑な画像特性がもたらす課題に対処すること。

主な方法:

• 適応型ハイブリッドメタヒューリスティックアルゴリズムSCSOWOAは、Sand Cat Swarm Optimization（SCSO）とWhale Optimization Algorithm（WOA）を統合することによって開発されました。
• SCSOWOAアルゴリズムは、SCSOの探索とWOAの活用を逐次的かつ適応的に組み合わせています。
• パフォーマンスは、Peak Signal-to-Noise Ratio（PSNR）、Structural Similarity Index Measure（SSIM）、Feature Similarity Index Measure（FSIM）を使用してLC25000肺がんデータセットで評価されました。

主要な成果:

• SCSOWOAは、平均PSNR 27.9453 dB、SSIM 0.8048、FSIM 0.8361で高品質なセグメンテーションを達成しました。
• T=12で最適なパフォーマンスが観察され、SSIM 0.9340、FSIM 0.9542を達成しました。
• アルゴリズムは計算効率を40％改善し、平均実行時間は1.3221秒でした。

結論:

• SCSOWOAは、堅牢な画像セグメンテーションのために探索と活用のバランスを効果的に取っています。
• このアルゴリズムは、組織病理画像分析において高い精度、低い分散、および計算効率を提供します。
• SCSOWOAは、AI支援肺がん診断システムに大きな可能性を示しています。