通过高级特征选择算法增强医疗图像分类:通过纳入卡普托分数顺序来改进子搜索算法的新方法
Abduljlil Abduljlil Ali Abduljlil Habeb1, Mundher Mohammed Taresh2, Jintang Li1
1College of Computer Science and Electronic Engineering, Hunan University, Changsha 410012, China.
Diagnostics (Basel, Switzerland)
|June 19, 2024
概括
这项研究引入了一种使用子搜索算法与卡普托分数顺序的新方法,用于对青光眼的分类. 该技术提高了诊断准确性和效率,用于早期检测这种视力受损的疾病.
科学领域:
- 眼科医生 眼科 眼科
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 玻璃眼是不可逆转失明的主要原因,需要及早检测和治疗.
- 自动诊断工具对于及时识别和管理眼病至关重要.
- 现有的特征选择方法可能面临诸如分数顺序定义中的内存截断等局限性.
研究的目的:
- 提出一种新的特征选择方法,用于增强青光眼的分类.
- 为了解决卡普托分数顺序定义中的内存长度截断问题.
- 为了提高自动青光眼检测系统的准确性和效率.
主要方法:
- 开发了一种混合特征选择方法,将子搜索算法与卡普托分数顺序 (CFO-CS) 集成在一起.
- 解决了Caputo定义的内存长度截断,使用固定内存步骤和可调节的术语数.
- 将多种特征提取技术 (HOG,LBP,MobileNet/VGG19的深度特征) 结合在一起,形成一个统一的特征向量.
- 雇员数据增强以增加培训数据集的大小和多样性.
- 使用k-最近邻居评估特征选择和评估分类性能.
主要成果:
- 拟议的CFO-CS方法在培训期间证明了更好的融合速度和最佳解决方案的实现.
- 在测试组中实现了高性能指标:92.62%的准确性,94.70%的精度,93.52%的F1-Score,92.98%的特异性,92.36%的灵敏性和85.00%的马修相关系数.
- 这种方法在选择格劳科马分类的信息特征方面被证明是有效的.
结论:
- 新的CFO-CS特征选择方法显著提高了青光眼的分类性能.
- 该技术为自动眼科诊断提供了可通用和适用的解决方案.
- 这项研究强调了分数微积分和元启发算法在医学图像分析中的潜力.
