論文の概要: Segmentation of Brain MRI using an Altruistic Harris Hawks' Optimization algorithm

• arxiv url: http://arxiv.org/abs/2109.08688v1
• Date: Fri, 17 Sep 2021 17:51:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-21 16:58:37.775373
• Title: Segmentation of Brain MRI using an Altruistic Harris Hawks' Optimization algorithm
• Title（参考訳）: Altruistic Harris Hawks 最適化アルゴリズムを用いた脳MRIの分割
• Authors: Rajarshi Bandyopadhyay, Rohit Kundu, Diego Oliva, Ram Sarkar
• Abstract要約: 脳磁気共鳴画像(MRI)の効率的なセグメンテーションは、放射線学者にとって大きな関心事である。 Thresholdingは、画像のヒストグラムを使用して、異なるピクセルの同質なグループを異なるクラスにラベル付けする、セグメンテーションの一般的な方法である。 本稿では,進化的メタヒューリスティックを用いたマルチレベルしきい値設定を行う。
• 参考スコア（独自算出の注目度）: 29.895517914678816
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Segmentation is an essential requirement in medicine when digital images are used in illness diagnosis, especially, in posterior tasks as analysis and disease identification. An efficient segmentation of brain Magnetic Resonance Images (MRIs) is of prime concern to radiologists due to their poor illumination and other conditions related to de acquisition of the images. Thresholding is a popular method for segmentation that uses the histogram of an image to label different homogeneous groups of pixels into different classes. However, the computational cost increases exponentially according to the number of thresholds. In this paper, we perform the multi-level thresholding using an evolutionary metaheuristic. It is an improved version of the Harris Hawks Optimization (HHO) algorithm that combines the chaotic initialization and the concept of altruism. Further, for fitness assignment, we use a hybrid objective function where along with the cross-entropy minimization, we apply a new entropy function, and leverage weights to the two objective functions to form a new hybrid approach. The HHO was originally designed to solve numerical optimization problems. Earlier, the statistical results and comparisons have demonstrated that the HHO provides very promising results compared with well-established metaheuristic techniques. In this article, the altruism has been incorporated into the HHO algorithm to enhance its exploitation capabilities. We evaluate the proposed method over 10 benchmark images from the WBA database of the Harvard Medical School and 8 benchmark images from the Brainweb dataset using some standard evaluation metrics.
• Abstract（参考訳）: デジタル画像が病気の診断、特に後部タスクで分析や疾患の特定に使用される場合、セグメンテーションは医学において必須の要件である。 脳磁気共鳴画像(MRI)の高効率なセグメンテーションは、照射不良や画像の脱取得に関連する他の条件により、放射線技師にとって大きな関心事である。 しきい値付けは、画像のヒストグラムを使用して異なる均質な画素のグループを異なるクラスに分類する一般的なセグメンテーションの方法である。 しかし、計算コストは閾値の数に応じて指数関数的に増加する。 本稿では,進化的メタヒューリスティックを用いてマルチレベルしきい値処理を行う。 これは、カオス的初期化と利他主義の概念を組み合わせたハリス・ホークス最適化(hho)アルゴリズムの改良版である。 さらに、適合度割当には、クロスエントロピー最小化とともに、新しいエントロピー関数を適用し、2つの目的関数に重みを利用するハイブリッド目的関数を用いて、新しいハイブリッドアプローチを形成する。 HHOは元々、数値最適化問題を解くために設計された。 以前、統計結果と比較により、HHOは確立されたメタヒューリスティック技術と比較して非常に有望な結果をもたらすことが示された。 本稿では、この利他主義をHHOアルゴリズムに組み込んで、その活用能力を高める。 本稿では,ハーバード大学医学部wbaデータベースのベンチマーク画像10枚と,brainwebデータセットのベンチマーク画像8枚について,標準評価指標を用いて評価を行った。

関連論文リスト

• Advancements in Feature Extraction Recognition of Medical Imaging Systems Through Deep Learning Technique [0.36651088217486427]
  高速な画像認識を実現するために,重みに基づく目的関数を提案する。 単純なアルゴリズムを用いたしきい値最適化手法を提案する。 異なる種類のオブジェクトは互いに独立しており、画像処理においてコンパクトであることがわかった。
  論文  参考訳（メタデータ） (2024-05-23T04:46:51Z)
• LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
  LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
  論文  参考訳（メタデータ） (2023-06-20T22:21:34Z)
• Machine learning based biomedical image processing for echocardiographic images [0.0]
  提案手法では,K-Nearest Neighbor (KNN) アルゴリズムを用いて医用画像のセグメンテーションを行う。 トレーニングされたニューラルネットワークは、エコー画像のグループで正常にテストされている。
  論文  参考訳（メタデータ） (2023-03-16T06:23:43Z)
• An Improved Deep Convolutional Neural Network by Using Hybrid Optimization Algorithms to Detect and Classify Brain Tumor Using Augmented MRI Images [0.9990687944474739]
  本稿では,最適化アルゴリズムを改良することにより,深層畳み込み学習の改善を実現する。 提案手法の性能を2073個のMRI画像で検証する実験を行った。 性能比較では、DCNN-G-HHOは既存の手法よりもはるかに成功しており、特にスコアの精度は97%である。
  論文  参考訳（メタデータ） (2022-06-08T14:29:06Z)
• Sub-Image Histogram Equalization using Coot Optimization Algorithm for Segmentation and Parameter Selection [0.0]
  平均および分散に基づくサブイメージヒストグラム等化(MVSIHE)アルゴリズムは,これらのコントラスト強化手法の1つである。 本研究では,直近の最適化アルゴリズム,すなわちcoot Optimization algorithm(COA)を用いて,MVSIHEアルゴリズムの適切なパラメータを選択する。 その結果, バイオメディカル画像処理の分野では, 提案手法が有効であることが示唆された。
  論文  参考訳（メタデータ） (2022-05-31T06:51:45Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Comparisons among different stochastic selection of activation layers for convolutional neural networks for healthcare [77.99636165307996]
  ニューラルネットワークのアンサンブルを用いて生体医用画像の分類を行う。 ReLU, leaky ReLU, Parametric ReLU, ELU, Adaptive Piecewice Linear Unit, S-Shaped ReLU, Swish, Mish, Mexican Linear Unit, Parametric Deformable Linear Unit, Soft Root Sign。
  論文  参考訳（メタデータ） (2020-11-24T01:53:39Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Data Augmentation for Histopathological Images Based on Gaussian-Laplacian Pyramid Blending [59.91656519028334]
  データ不均衡は、機械学習(ML)アルゴリズムに影響を及ぼす主要な問題である。 本稿では、HIデータセットを増大させるだけでなく、患者間の変動を分散させる新しいアプローチを提案する。 BreakHisデータセットの実験結果から、文献で示されたDA手法の大多数は、有望な利得を示している。
  論文  参考訳（メタデータ） (2020-01-31T22:02:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。