乳腺癌的分类使用杂交版本的海和粒子群优化算法
Bhawna Utreja1, Reecha Sharma1, Amit Wason2
1Department of Electronics and Communication Engineering, Punjabi University, Patiala, India.
Scientific reports
|December 2, 2025
概括
一个新的混合优化算法,Walrus Particle Swarm Optimization (WPS),有效地改善了乳腺癌 (BC) 的分类. 这种人工智能方法提高了乳房造影的诊断准确性,有助于早期检测和患者的结果.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 优化算法 优化算法
背景情况:
- 乳腺癌 (BC) 是全球女性癌症死亡的主要原因.
- 早期准确地对乳房扫描病变进行分类对于改善患者预后至关重要.
- 当前的计算机辅助检测系统需要提高分类准确性.
研究的目的:
- 为了引入一种新的混合优化算法,Walrus Particle Swarm Optimization (WPS). 为了引入一种新的混合优化算法,Walrus Particle Swarm Optimization (WPS).
- 应用WPS调超参数的卷积神经网络增强与交换的熟练程度 (CNN-SP).
- 评估WPS-CNN-SP模型对乳腺癌图像分类的性能.
主要方法:
- 开发了一种混合Walrus粒子群优化 (WPS) 算法,集成了粒子群优化 (PSO) 和Walrus Optimiser (WO).
- 使用WPS优化CNN-SP模型的超参数.
- 测试了WPS-CNN-SP模型的基准函数和两个乳腺扫描数据集 (CBIS-DDSM和MIAS).
主要成果:
- WPS 显示出强大的勘探和开采平衡,在基准函数上实现了接近最佳的解决方案.
- 在WPS-CNN-SP模型显著超过最近的工作在CBIS-DDSM和MIAS数据集.
- 实现了高性能指标,包括曲线下面积 (AUC) 高达99.76%和精度高达98.99%.
结论:
- 提出的WPS算法是计算机辅助乳腺癌查的快速和可靠的优化器.
- WPS-CNN-SP显示了提高乳房扫描病变分类的准确性和效率的巨大潜力.
- 这种方法可以通过更早,更准确的乳腺癌检测,有助于改善患者的预后.
关键词:
卷积神经网络 (CNN) 是一种神经网络.超参数优化 (HO) 是指超参数的优化.粒子群集优化 (PSO) 是一种交换能力 (SP) 是指交换能力 (SP) 是指交换能力.摩鱼优化 (WO) 是一种优化方法.
