DRPSO:一个多策略的聚变粒子群集优化算法,用于替换结肠癌病理学图像细分的替代机制
Gang Hu1, Yixuan Zheng1, Essam H Houssein2
1Department of Applied Mathematics, Xi'an University of Technology, Xi'an, 710054, PR China.
Computers in biology and medicine
|June 23, 2024
概括
这项研究引入了一种新的图像细分方法,使用增强的粒子群算法用于早期结肠腺癌 (COAD) 检测. 该方法提高了COAD病理的图像细分精度,有助于诊断.
科学领域:
- 医疗图像分析 医疗图像分析
- 计算智能是一种计算智能.
- 癌症研究 癌症研究
背景情况:
- 结肠腺癌 (COAD) 由于微妙的早期症状和严重的并发症而带来诊断挑战.
- 准确的COAD病理图像细分对于早期诊断和治疗计划至关重要.
研究的目的:
- 开发和验证用于COAD病理图像的多级图像分割 (MIS) 方法.
- 通过改进图像分割来提高COAD检测的效率和准确性.
主要方法:
- 提出了一种新的多策略聚变粒子群优化算法 (DRPSO),具有替换机制,具有非线性惯性权重,正弦-正弦学习因子和人口重组.
- 集成的DRPSO与非局部平均2D直方图和MIS的2DRenyi.
- 在CEC2020和CEC2022测试集上与最先进的算法进行验证的DRPSO.
主要成果:
- 与现有的算法相比,DRPSO显示出更高的收精度和速度.
- 提出的基于DRPSO的MIS方法实现了COAD病理图像的高质量细分.
- 绩效指标包括PSNR=23.556,SSIM=0.825和FSIM=0.922. 这两种表现指标.
结论:
- 基于DRPSO算法开发的MIS方法显示了协助COAD早期诊断的巨大潜力.
- 这种方法为癌症研究中准确的病理图像细分提供了一个有希望的工具.
