对医疗图像细分优化算法的全面评估
Nijad A Al-Najdawi1, Ali F Al-Shawabkeh2, Sara Tedmori3
1Department of Computer Science, Prince Abdullah bin Ghazi Faculty of Information and Communication Technology, Al-Balqa Applied University, Al-Salt, 19117, Jordan. n.al-najdawi@bau.edu.jo.
Scientific reports
|October 24, 2025
概括
这项研究优化了Otsu使用各种算法对医疗图像细分的方法. 目标是降低计算成本和融合时间,以实现更快,更准确的疾病诊断和研究.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 计算生物学 计算生物学
背景情况:
- 医学图像细分对于疾病诊断和研究至关重要.
- 多级值方法在图像细分方面提供了卓越的性能.
- 像Otsu这样的古典方法是准确的,但在计算上昂贵的多级值.
研究的目的:
- 将优化算法与Otsu的高效多级值方法集成在一起.
- 为了降低Otsu方法的计算成本和融合时间.
- 为了保持高的细分质量,同时提高计算效率.
主要方法:
- 集成已建立的优化算法与Otsu的值方法.
- 对公共数据集的实验性评估,包括TCIA COVID-19-AR集合.
- 对计算成本,收时间和细分精度的比较分析.
主要成果:
- 识别优化算法,显著减少计算需求.
- 对多层次值的趋同时间大幅缩短的证明.
- 用优化的Otsu方法验证维持细分质量的验证.
结论:
- 优化Otsu的方法为医疗图像细分提供了一个计算效率高的解决方案.
- 选择的算法有效地解决了多级值计算的计算挑战.
- 这种方法增强了图像细分在医疗保健中的实际应用.
