高斯裸骨JAYA算法用于多门医学图像细分的高斯裸骨JAYA算法
Shengbo Yang1, Guodao Zhang2,3, Bolun Zheng4
1Division of Pulmonary Medicine, Wenzhou Central Hospital, Wenzhou, 325000, Zhejiang, China.
Scientific reports
|November 29, 2025
概括
这项研究介绍了GBJAYA,这是一种用于医学图像细分的增强优化算法. 它实现了卓越的性能和稳定性,克服了传统方法的局限性,以更好地检测疾病.
科学领域:
- 医疗成像医学成像
- 计算智能是一种计算智能.
- 算法优化的算法优化
背景情况:
- 医学图像细分对于诊断和治疗计划至关重要.
- 传统方法面临着诸如高计算成本和局部优化等挑战.
- 需要改进的细分算法.
研究的目的:
- 介绍GBJAYA,用于医学图像细分的增强优化算法.
- 提高全球搜索能力和融合速度.
- 为了解决现有的多值细分技术的局限性.
主要方法:
- 开发了GBJAYA算法,整合了高斯的裸骨策略.
- 整合了高斯分布式随机数更新,用于增强的全球搜索.
- 对IEEE CEC2017基准函数和医疗图像的评估性能.
主要成果:
- 在基准和医学图像测试中,GBJAYA的表现优于其他20个算法.
- 达到较低的平均值和标准偏差,表明性能优越.
- 证明了快速收和避免局部最佳的情况.
结论:
- GBJAYA显著增强了医疗图像的细分.
- 该算法提供了卓越的性能,稳定性和快速融合.
- GBJAYA显示了医学诊断和治疗规划的广泛潜力.


