一个优化数值尖端神经膜系统与适应性多突变操作员用于脑瘤细分.

科学领域:

• 医疗成像医学成像
• 计算智能是一种计算智能.
• 人工智能的人工智能

背景情况:

• 磁共振成像 (MRI) 对于诊断脑瘤至关重要,使无创成像成为可能.
• 从MRI中精确细分脑瘤对于诊断和治疗规划至关重要.
• 现有的细分方法面临着图像工件和复杂性的挑战.

研究的目的:

• 为脑瘤图像提出一种新的值细分方法,使用优化尖端神经P系统.
• 引入一个优化数值尖端神经P系统与自适应多变异运算符 (ONSNPSamo) 进行增强的细分.
• 将ONSNPSamo与连接算法结合起来,以提高脑瘤细分的准确性.

主要方法:

• 使用自适应多变异运算符 (ONSNPSamo) 的优化数值尖端神经P系统的开发.
• 在ONSNPSamo内部实施多变异战略,以平衡勘探和开采.
• 将ONSNPSamo与用于脑瘤细分的连接算法集成.

主要成果:

• 在CEC 2017的基准指标上,ONSNPSamo在其他12个优化算法上表现出优越或可比的性能.
• 联合的ONSNPSamo和连接算法方法在BraTS 2019案例研究中显示,在细分脑瘤图像方面效率提高.
• 与大多数涉及的算法相比,拟议的方法实现了更准确的脑瘤细分.

结论:

• ONSNPSamo是一个有前途的优化技术,用于图像细分任务.
• 将ONSNPSamo与连接算法的集成为MRI的脑瘤细分提供了一个强大的解决方案.
• 这种方法推进了神经瘤学的医学图像分析领域.