論文の概要: Hybrid Whale-Mud-Ring Optimization for Precise Color Skin Cancer Image Segmentation

• arxiv url: http://arxiv.org/abs/2311.13512v1
• Date: Wed, 22 Nov 2023 16:35:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-23 14:26:49.316232
• Title: Hybrid Whale-Mud-Ring Optimization for Precise Color Skin Cancer Image Segmentation
• Title（参考訳）: 色皮膚癌画像の高精度分割のためのハイブリッドクジラムードリング最適化
• Authors: Amir Hamza, Badis Lekouaghet and Yassine Himeur
• Abstract要約: 皮膚内視鏡は皮膚がんの早期発見において重要な役割を担っている。 皮膚癌診断の精度を高めるためには,デジタル皮膚内視鏡画像の効果的な処理が重要である。 本稿では,WMRA と呼ばれる Whale Optimization Algorithm とハイブリッド化された Mud Ring Algorithm の強化版を提案する。
• 参考スコア（独自算出の注目度）: 2.674706888799469
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Timely identification and treatment of rapidly progressing skin cancers can significantly contribute to the preservation of patients' health and well-being. Dermoscopy, a dependable and accessible tool, plays a pivotal role in the initial stages of skin cancer detection. Consequently, the effective processing of digital dermoscopy images holds significant importance in elevating the accuracy of skin cancer diagnoses. Multilevel thresholding is a key tool in medical imaging that extracts objects within the image to facilitate its analysis. In this paper, an enhanced version of the Mud Ring Algorithm hybridized with the Whale Optimization Algorithm, named WMRA, is proposed. The proposed approach utilizes bubble-net attack and mud ring strategy to overcome stagnation in local optima and obtain optimal thresholds. The experimental results show that WMRA is powerful against a cluster of recent methods in terms of fitness, Peak Signal to Noise Ratio (PSNR), and Mean Square Error (MSE).
• Abstract（参考訳）: 急速に進行する皮膚がんのタイムリーな同定と治療は、患者の健康と健康の維持に大きく寄与する。 皮膚内視鏡(dermoscopy, dermoscopy)は、皮膚がんの早期発見において重要な役割を担っている。 したがって, デジタル皮膚内視鏡画像の効果的な処理は, 皮膚癌診断の精度を高める上で重要である。 マルチレベル閾値設定は、画像内の物体を抽出して分析を容易にする医療画像のキーとなるツールである。 本稿では,WMRA と呼ばれる Whale Optimization Algorithm とハイブリッド化された Mud Ring Algorithm の強化版を提案する。 提案手法はバブルネット攻撃と泥リング戦略を利用して局所最適の停滞を克服し,最適しきい値を得る。 実験の結果、WMRAはフィットネス、Pak Signal to Noise Ratio(PSNR)、Mean Square Error(MSE)といった最近の手法に対して強力であることがわかった。

関連論文リスト

• Adapting Segment Anything Model to Melanoma Segmentation in Microscopy Slide Images [0.1534667887016089]
  本稿では,Segment Anything Model (SAM) を用いた顕微鏡スライド画像の自動メラノーマ分割法を提案する。 提案手法では,初期セグメンテーションモデルを用いて予備セグメンテーションマスクを生成し,SAMのプロンプトに使用する。 実験の結果,IoUではベースラインセグフォーマを9.1%上回った。
  論文  参考訳（メタデータ） (2024-10-03T04:40:18Z)
• Optimizing Lung Cancer Detection in CT Imaging: A Wavelet Multi-Layer Perceptron (WMLP) Approach Enhanced by Dragonfly Algorithm (DA) [0.294944680995069]
  本研究では,CTスキャン画像から肺がんを分類するための最先端のディープラーニングフレームワークを提案する。 この研究には、画像前処理戦略、特にCannyエッジ検出とウェーブレット変換が含まれる。 この手法は99.82%の優れた訓練と検査精度を達成し、肺癌の正確な診断の有効性と信頼性を裏付けている。
  論文  参考訳（メタデータ） (2024-08-27T18:27:47Z)
• Research on Tumors Segmentation based on Image Enhancement Method [1.4907190821192575]
  従来の肝小葉分割法は、肝小葉分割を行う際のいくつかの課題に直面することが多い。 新しいモデルは、画像のコントラストと明るさを適応的に調整することで、画像の重要な特徴を強化する新しい画像強調アルゴリズムを詳細に記述する。 深層学習に基づくセグメンテーションネットワークを導入し,腫瘍領域の検出精度を最適化するために,強調画像に特化して訓練を行った。
  論文  参考訳（メタデータ） (2024-06-07T12:25:04Z)
• Optimizing Synthetic Correlated Diffusion Imaging for Breast Cancer Tumour Delineation [71.91773485443125]
  CDI$s$ - 最適化されたモダリティにより最高のAUCが達成され、金標準のモダリティが0.0044より優れていることを示す。 特に、最適化されたCDI$s$モダリティは、最適化されていないCDI$s$値よりも0.02以上のAUC値を達成する。
  論文  参考訳（メタデータ） (2024-05-13T16:07:58Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• Intelligent Breast Cancer Diagnosis with Heuristic-assisted Trans-Res-U-Net and Multiscale DenseNet using Mammogram Images [0.0]
  乳癌(BC)は、女性のがん関連死亡率に大きく寄与する。 悪性の腫瘤を正確に識別することは 依然として困難です マンモグラフィ画像を用いたBCGスクリーニングのための新しい深層学習手法を提案する。
  論文  参考訳（メタデータ） (2023-10-30T10:22:14Z)
• Reversing Skin Cancer Adversarial Examples by Multiscale Diffusive and Denoising Aggregation Mechanism [12.741866542915346]
  皮膚癌診断モデルが早期スクリーニングや医療介入において重要な役割を担っている。 最近の研究では、敵の攻撃に対する極端な脆弱性が明らかにされている。 この作業は、シンプルで、効果的で、リソース効率の良い防御フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-08-22T14:52:06Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)

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。