基于改进的Cuckoo搜索与扩散机制和自适应的Beta-Hill登的基础上,脏病理图像细分
Jiaochen Chen1, Zhennao Cai1, Huiling Chen1
1College of Computer Science and Artificial Intelligence, Wenzhou University, Wenzhou, 325035 China.
Journal of bionic engineering
|June 26, 2023
概括
这项研究引入了一种新的图像细分方法,使用改进的Cuckoo Search算法来分析狼性炎 (LN) 病理图像. 该方法提高了病的诊断准确度.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 医疗成像医学成像
- 计算智能是一种计算智能.
背景情况:
- 狼性炎 (LN) 显著增加了系统性红斑狼的发病率和死亡率.
- 病理学仍然是LN诊断的黄金标准,需要对组织病理图像进行专家评估.
- 精确细分病理图像对于有效的病诊断和管理至关重要.
研究的目的:
- 开发一种先进的图像细分技术,用于狼性炎 (LN) 组织病理图像.
- 提高病理图像分析在诊断LN的准确性和效率.
- 为多门图像细分引入一种新的优化算法.
主要方法:
- 开发了一种2D Rényi entropy多门图像分割方法.
- 该方法使用了改进的Cuckoo Search (CS) 算法,结合了扩散机制 (DM) 和自适应β登 (AβHC) 策略,称为DMCS算法.
- 该DMCS算法在30个基准函数 (IEEE CEC2017) 上得到验证,并应用于病理图像.
主要成果:
- 由于DM和AβHC策略的整合,DMCS算法在寻找最佳解决方案方面表现出更强的能力.
- 拟议的多门图像细分方法在细分病理图像方面取得了强的表现,如PSNR,FSIM和SSIM指标所示.
- 实验结果证实了基于DMCS的细分对于病理图像分析的有效性.
结论:
- 开发的DMCS算法为图像分割任务提供了改进的优化功能.
- 拟议的图像细分方法在狼性炎的背景下对分析病理图像是有效和有益的.
- 这项研究提供了一种有价值的工具,以协助病理学家在LN的组织病理学评估.
