CDRIME-MTIS:用于COVID-19X射线图像的增强的 rime优化驱动的多门细分
Yupeng Li1, Dong Zhao1, Chao Ma2
1College of Computer Science and Technology, Changchun Normal University, Changchun, Jilin, 130032, China.
Computers in biology and medicine
|January 3, 2024
概括
这项研究介绍了CDRIME,一种新的群集智能算法,通过改进的多门图像分割 (MTIS) 来增强COVID-19检测. 新方法在全球搜索和医学图像分析方面表现出卓越的表现.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 计算智能是一种计算智能.
背景情况:
- 准确的COVID-19检测对公共卫生至关重要.
- 现有的图像分割方法可能缺乏效率和适应性.
- 集群智能算法为优化复杂问题提供了潜在的潜力.
研究的目的:
- 开发一种有效的群集智能算法驱动的多门图像细分 (MTIS) 方法,以改进COVID-19检测.
- 提出一个新的RIME结构,命名为CDRIME,集成协同适应的狩猎和分散的食策略.
- 将拟议的CDRIME与二维非局部直方图和二维卡普尔相结合,以增强图像分割.
主要方法:
- 开发了新的CDRIME算法,集成了协同适应的狩猎和分散的食策略.
- 集成CDRIME与2D非局部直方图和2D卡普尔对于CDRIME-MTIS方法.
- 使用基准数据集 (IEEE CEC2017,2019,2022) 和COVID-19X射线图像进行实验验证.
主要成果:
- 与现有的算法相比,CDRIME展示了优越的全球搜索,融合和本地最佳性逃脱.
- CDRIME-MTIS方法在细分效果和适应性方面显示出显著的优势,适用于COVID-19X射线图像.
- 实验结果证实了CDRIME在原始RIME算法上的增强性能.
结论:
- 拟议的CDRIME算法显著提高了RIME的全球优化性能.
- CDRIME-MTIS方法显示了提高COVID-19诊断的准确性和效率的巨大潜力.
- 这项研究为医学图像分析和疾病检测提供了一种新的方法.
