改进了对多级值医学图像细分的粒子群优化.
1GBA Branch of Aerospace Information Research Institute, Chinese Academy of Sciences, Guangzhou, Guangdong province, China.
PloS one
|December 31, 2024
概括
这项研究引入了一种新的方法,补充惯性权重金字塔粒子群集优化 (CIWP-PSO),用于多级值图像细分. CIWP-PSO通过避免过早的融合和提高图像质量来改善高位深度医疗图像细分.
科学领域:
- 医学图像分析 医学图像分析
- 计算智能是一种计算智能.
- 图像处理 图像处理
背景情况:
- 多级值对于医学图像预处理至关重要.
- 集群智能算法优化了值,但由于过早的融合,它在高位深度图像方面遇到了困难.
研究的目的:
- 介绍一个新的优化算法,CIWP-PSO,以解决高位深度图像细分中的过早融合.
- 评估CIWP-PSO在医疗图像多层次值方面的有效性.
主要方法:
- 开发了一个带有互补惯性权重 (CIWP-PSO) 的金字塔粒子群优化.
- 实现了三层粒子小群结构,对身体不适的粒子进行随机对立学习.
- 利用卡普尔作为优化目标函数.
主要成果:
- CIWP-PSO在高位深度基准图像和12位脑MRI扫描上表现出卓越的性能.
- 使用CIWP-PSO的细分实现了较高的卡普尔与其他算法相比.
- 基于CIWP-PSO的细分导致更好的图像质量指标 (结构相似度指数,特征相似度指数).
结论:
- CIWP-PSO有效地克服了高位图像深度细分中的过早融合.
- 拟议的方法为医疗图像提供了改进的多级值细分.
- CIWP-PSO在细分任务中提高了整体图像质量.
