マルチスレッショルドCT画像セグメンテーションおよび肺癌認識のための適応的および移動強化型ツリーシードアルゴリズム

科学分野:

• 計算知能
• 最適化アルゴリズム
• スワームインテリジェンス

背景:

• 元のツリーシードアルゴリズム（TSA）は、高次元最適化において早期収束と局所最適解に悩まされています。
• 既存のTSAバリアントは、複雑で大規模な問題を効果的に処理する上で限界があります。

研究 の 目的:

• 標準TSAの限界を克服するために、適応型および移動強化型ツリーシードアルゴリズム（AMTSA）を導入すること。
• 複雑な最適化タスクにおけるグローバル探索、適応性、および収束安定性を向上させること。

主な方法:

• 個々のフィットネスに基づいて動的なステップサイズと方向調整を行うための適応型ツリー移動メカニズムを実装しました。
• 柔軟な検索制御のための動的ワイブル分布を使用した適応型シード生成戦略を導入しました。
• 収束安定性を向上させるために、GBOアルゴリズムに着想を得た非線形ステップサイズ調整関数を組み込みました。

主要な成果:

• AMTSAは、IEEE CEC 2014ベンチマーク関数において、最先端のオプティマイザ（JADE、LSHADE）およびTSAバリアント（STSA、fb-TSA、MTSA）よりも優れた性能を発揮しました。
• 高次元テスト（30、50、100次元）では、AMTSAが最高の最適化結果と最も速い収束を達成しました。
• AMTSA-SVMモデルは、肺癌CT画像セグメンテーションにおいて89.5%の精度を達成し、他の方法を上回りました。

結論:

• 提案されたAMTSAは、適応型移動、動的シード生成、および非線形ステップサイズ制御を通じて、TSAの欠点を効果的に解決します。
• AMTSAは、高次元および複雑な最適化問題に対して、より効率的で堅牢なソリューションを提供します。
• 強化されたアルゴリズムは、医用画像解析などの実世界のアプリケーションで大きな可能性を示しています。