一种基于Nelder的新型动态电捕食算法,用于全球优化和病态结直肠癌图像细分
Mahmoud Abdel-Salam1, Essam H Houssein2, Marwa M Emam3
1Faculty of Computers and Information Science, Mansoura University, Egypt.
Computers in biology and medicine
|August 28, 2025
概括
一个新的算法,动态自适应鱼电动鱼优化 (DANEEFO),改善结肠直肠癌 (CRC) 图像细分. 这种方法提高了CRC病理图像的诊断准确性和治疗计划.
科学领域:
- 医学成像
- 计算智能
- 癌症学
背景情况:
- 结肠直肠癌 (CRC) 的诊断主要依赖于准确的医学图像细分.
- 传统的元启发方法在CRC病理图像细分中与收,值和探索/利用平衡作斗争.
- 有效的细分对于指导诊断决策和治疗策略至关重要.
研究的目的:
- 引入动态适应性鱼电动鱼优化 (DANEEFO) 算法,用于增强结直肠癌 (CRC) 病理图像的多门图像细分 (MTIS).
- 解决现有的元启发算法在融合速度,值确定和搜索空间探索方面的局限性.
- 提高医疗图像细分的准确性和效率.
主要方法:
- 开发了DANEEFO,一个增强的元启发算法,包括拉丁式超立方初始化 (LHI),自适应吸引策略 (AAS),自适应的Nelder-Mead简单 (ANM) 和动态扩散策略 (DSS).
- 应用DANEEFO到使用二维Renyi和二维组图的CRC病理图像的MTIS.
- 验证了DANEEFO在CEC2017基准函数上的表现,并将其与现有的细分算法进行了比较.
主要成果:
- 与经典和最近的元启发式细分算法相比,DANEEFO表现出更高的性能.
- 实现高分段精度,峰值信号与噪声比 (PSNR) 为29.9410,特征相似度指标 (FSIM) 为0.9882,结构相似度指标 (SSIM) 为0.9782.
- 展示了复杂的图像细分任务的改进融合,探索和利用能力.
结论:
- 在CRC病理图像的MTIS中, DANEEFO提供了显著的进步.
- 该算法的增强策略有效地克服了传统方法的局限性,从而提高了细分精度和效率.
- DANEEFO是一个有前途的工具,可以改善CRC的诊断,并促进精确的治疗计划.


