一种新型的侵入性杂草优化及其用于检测多囊卵巢综合征的变体

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:

• 多囊卵巢综合征 (PCOS) 是一种复杂的内分泌疾病,影响女性,其特点是高雄性和不规则的月经.
• 像PCOS这样的生殖健康问题越来越普遍,特别是在印度妇女中.
• 在超声波图像中的手动毛囊计数用于PCOS诊断容易导致诊断错误.

研究的目的:

• 引入一种新的侵入性杂草优化 (IWO) 算法,用于自动检测多囊性卵巢综合征 (PCOS).
• 将IWO算法改进为修改的侵入性杂草优化 (MIWO),以从超声波卵巢图像中改进PCOS诊断.
• 建立一个用于PCOS识别的自动毛囊检测系统.

主要方法:

• 开发一个修改的侵入性杂草优化 (MIWO) 算法,灵感来自杂草的行为.
• 应用MIWO通过最大限度地提高类间差异来使用修改后的Otsu方法来确定最佳值.
• 与侵入性杂草优化 (IWO) 和粒子优化 (PSO) 相比,MIWO性能的比较.

主要成果:

• 实验验证表明,与IWO和PSO相比,MIWO实现了更高的最佳值.
• 拟议的MIWO算法为PCOS诊断中毛囊检测提供了一个有效的自动化解决方案.
• 该研究强调了MIWO在优化PCOS检测图像细分参数方面的优势.

结论:

• 修改的侵入性杂草优化 (MIWO) 算法为PCOS检测提供了比传统的IWO和PSO更有效的方法.
• 使用MIWO的自动检测系统可以提高诊断准确性和有效性,通过超声波图像识别PCOS.
• 这项研究为早期和准确诊断PCOS提供了有价值的工具,解决了严重的生殖健康问题.