机构名称：
¥ 1.0
简介：医学图像分割通常是医学图像分析中的关键步骤，常与众多临床应用相关。磁共振成像（MRI）提供了对干预和手术计划具有决定性作用的各种解剖结构的详细可视化。目的：本文的目的是设计和应用一种增强型脑肿瘤 MRI 分割方法，使用 K 均值作为基于机器学习的粒子群优化（PSO）和萤火虫算法（FA）。方法：引入了一种基于速度变化的 Swarm Based PSO 的新型适应度函数，增强了分割区域。通过将 PSO 应用于分割部分，可以增强传统的 k 均值算法。应用群体智能的另一个扩展 Firefly 来比较基于 PSO 的分割结果，并使用基于 Firefly 的分割。结果：模拟结果以精度（98%）、召回率（0.95）、f 值（0.96）、准确率（97%）和分割时间（2.63s）来评估，以衡量图像分割获得的主要结果的质量。结论：比较研究表明，提出的使用 k-means 结合 FA 的设计在检测脑肿瘤 RoI 方面表现出较高的准确率和精确度。
使用 K 增强脑肿瘤 MRI 分割
主要关键词
相关文件推荐
