改善された医療画像セグメンテーションは,最適化された双方向LSTMとドルフィンパートナー最適化器を使用しています
Afnan M Alhassan1, Nouf I Altmami1
1Department of Computer Science, College of Computing and Information Technology, Shaqra University, Shaqra, Saudi Arabia.
PloS one
|February 20, 2026
まとめ
この研究では,医療画像セグメンテーションの強化のための最適化された双方向の長期短期記憶 (OBi-LSTM) モデルを導入しています. Dolphin Partner Optimizer (DPO) で最適化されたOBi-LSTMアプローチは,医療スキャンの分類精度と特徴抽出を大幅に改善します.
科学分野:
- メディカルイマージング (医学イメージング)
- 人工知能 (AI) とは,人工知能 (AI) のことです.
- バイオメディカルエンジニアリング
背景:
- 医療画像は,診断と治療に不可欠であり,画像分析には機械学習とディープラーニングがますます重要になっています.
- 医療画像の正確なセグメンテーションは,効果的な臨床診断と組織と臓器の機能を理解するために不可欠です.
- ディープラーニング技術は,医療画像セグメンテーション能力を向上させるための重要な注目を集めている.
研究 の 目的:
- 医療画像の分類とセグメンテーションのための最適化された双方向の長期短期記憶 (OBi-LSTM) 技術を導入する.
- 医療画像セグメンテーションの精度と効率を,新しいディープラーニングアプローチを使用して向上させる.
- 提案されたOBi-LSTMモデルのパフォーマンスを,既存の最先端の方法と比較して評価する.
主な方法:
- 前向きと後向きの両方向で連続データを処理する最適化された双方向の長期短期記憶 (OBi-LSTM) 分類器を開発しました.
- Dolphin Partner Optimizer (DPO) を使ってBi-LSTM分類器内の重量とバイアスパラメータを調整し,セル性能を最適化しました.
- 空間配置,チャネル,スケールを同時に考慮してセグメンテーションを改善するために設計されたディープラーニングモデルを実装しました.
主要な成果:
- OBi-LSTMモデルは,94.05%のダイス類似度係数,88.77%のジャッカール指数,およびMRIセグメンテッドテストの93.05%の精度を達成しました.
- 提案されたOBi-LSTM + DPOモデルは,医療画像セグメンテーションの既存の技術と比較して優れたパフォーマンスを示しました.
- このモデルは,境界線の描写と特徴の抽出において大幅な改善を示し,その有効性を強調した.
結論:
- Dolphin Partner Optimizer (DPO) で最適化された最適化された双方向の長期短期記憶 (OBi-LSTM) モデルは,医療画像セグメンテーションのための強力で効率的なソリューションを提供します.
- 提案された方法は,特に正確な境界線と詳細な特徴抽出において,セグメンテーションのパフォーマンスを大幅に改善します.
- OBi-LSTMは,強力な説明力を発揮し,現在の最先端の技術を上回り,その臨床的有用性を検証しています.