皮肤病变的多层次值细分用彩色图像使用冠状病毒优化算法
Yousef S Alsahafi1, Doaa S Elshora2, Ehab R Mohamed2
1Department of Information Technology, Khulis College, University of Jeddah, Jeddah 23890, Saudi Arabia.
Diagnostics (Basel, Switzerland)
|September 28, 2023
概括
这项研究介绍了一种新型的冠状病毒疾病优化算法 (COVIDOA),通过医学图像细分来增强早期皮肤癌检测. 优化的算法显著提高了细分精度,有助于及时诊断和治疗.
科学领域:
- 医疗成像医学成像
- 计算智能是一种计算智能.
- 皮肤病学 皮肤病学
背景情况:
- 由于其高死亡率,皮肤癌 (SC) 构成重大健康风险.
- 早期发现皮肤癌对于有效治疗结果至关重要.
- 多级值 (MLT) 是对医疗图像感兴趣的区域进行细分的一个关键技术.
研究的目的:
- 开发和评估一种新的元启发算法,以改善皮肤癌图像细分.
- 为了应对多层次值 (MLT) 在细分皮肤癌图像方面的挑战.
- 通过先进的图像分析,提高皮肤癌早期检测能力.
主要方法:
- 利用冠状病毒疾病优化算法 (COVIDOA) 进行皮肤癌图像的多层次值 (MLT).
- 在COVIDOA框架内,整合Otsu,Kapur和Tsallis方法作为健身功能.
- 将拟议的COVIDOA与算术优化算法 (AOA),正弦定弦算法 (SCA),爬行动物搜索算法 (RSA),花粉算法 (FPA),海优化算法 (SOA) 和人工大猩猩部队优化器 (GTO) 相比较.
主要成果:
- 拟议的COVIDOA算法在与现有的元启发式算法相比,在细分皮肤癌图像方面表现出卓越的性能.
- 实现了更低的平均平方误差 (MSE) 和更高的峰值信号对噪声比率 (PSNR),表明更好的图像分割质量.
- 展示了增强的特征相似度指数 (FSIM) 和规范化相关系数 (NCC) 值,证实了细分的准确性.
结论:
- 混合COVIDOA方法有效地解决了皮肤癌图像细分的多级值 (MLT) 问题.
- 该算法在关键细分指标 (MSE,PSNR,FSIM,NCC) 中的卓越性能支持其临床实用性.
- 图像细分技术的这一进步有望改善早期皮肤癌检测和患者的治疗结果.
更多相关视频
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.8K
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
2.4K
