一个基于强大的遗传算法的最佳特征预测模型,用于从MRI数据中对脑瘤进行分类
Meenal Thayumanavan1, Asokan Ramasamy1
1Department of Electronics and Communication Engineering, Kongunadu College of Engineering and Technology, Trichy, Tamilnadu, India.
Network (Bristol, England)
|April 22, 2024
概括
这项研究介绍了一种优化的图像处理策略,用于准确的脑瘤细分. 该方法结合了加博变换,遗传算法 (GA) 和神经模糊系统 (NFS) 进行高灵敏度检测.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 早期发现和精确细分脑瘤对于有效的患者治疗至关重要.
- 现有的图像处理技术在精确识别和划分瘤区域方面可能面临挑战.
研究的目的:
- 提出一种新的基于转换和窗口的优化策略,用于脑瘤暴露和细分.
- 用先进的计算方法提高脑瘤检测和分类的准确性和可靠性.
主要方法:
- 图像预处理,Gabor转换用于多分辨率转换,特征提取和使用遗传算法 (GA) 的特征优化.
- 使用神经模糊系统 (NFS) 分类瘤区域,然后使用规范算法进行细分.
主要成果:
- 提出的基于GA的NFS分类方法在脑瘤检测和分类方面表现出很高的表现.
- 取得的平均结果包括99.37%的灵敏度,98.9%的特异性和99.21%的准确性.
结论:
- 综合图像处理策略有效地对脑瘤进行细分,为临床应用提供了一个有前途的工具.
- 高精度和灵敏度表明该方法在改善患者查和诊断方面的潜力.
