相关实验视频
Updated: May 23, 2025
13:45
Hybrid µCT-FMT imaging and image analysis
Published on: June 4, 2015
13.1K
FFSWOAFuse:通过固模糊集和鱼优化算法进行多模式医疗图像融合
Maruturi Haribabu1, Velmathi Guruviah1
1School of Electronics Engineering, VIT-chennai University, Tamilnadu, India.
Computers in biology and medicine
|March 7, 2025
概括
这项研究引入了一种新的多模式医疗图像融合 (MMIF) 方法,使用了fermatean模糊集和鱼优化算法 (WOA). 该方法提高了融合图像质量,保留了改善临床评估的关键细节.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 图像处理 图像处理
背景情况:
- 多模体医学图像融合 (MMIF) 对于整合来自不同成像来源的信息至关重要.
- 有效的融合通过提供全面的视觉数据来增强临床评估和手术规划.
- 现有的MMIF方法在维护细节和对比度方面面临挑战.
研究的目的:
- 提出一种新的MMIF方法,利用fertatean模糊集 (FFS) 和鱼优化算法 (WOA).
- 通过增强纹理细节,对比度和边缘保护来提高合医疗图像的质量.
- 证明拟议方法在现有最先进技术上的优越性.
主要方法:
- 使用高斯波器将医疗图像分解为基层和详细层.
- 基层转化为由固态模糊 (FFE) 指导的固态模糊图像 (FFI).
- 适用于FFI和WOA的相似性和基于纹理的融合规则,以实现详细层的最佳合并.
主要成果:
- 提出的方法成功地融合了图像,保留了重要的边缘特征,高对比度和颜色信息.
- 使用十个指标的定量评估显示,与十五种最先进的融合方法相比,性能优越.
- 视觉评估证实了新方法产生的融合图像的增强质量.
结论:
- 提出的MMIF方法有效地整合了来自多种模式的信息.
- FFS和WOA的组合为高质量的医疗图像融合提供了一个强大的框架.
- 这种技术有望在临床实践中提高诊断准确性和手术规划.
