纳米机器人辅助的多灶癌症检测：多模态优化视角
组织与器官
2019-01-01 v1
摘要
我们提出了一种受计算启发的多灶癌症检测流程（MCDP）新框架。在 MCDP 框架下，待检测的肿瘤灶被视为目标函数的解，癌区周围的组织区域代表参数空间，而装载用于癌症检测的对比剂分子的纳米机器人对应于优化智能体。纳米机器人通过在高危组织区域中游动来检测肿瘤的过程，可视为智能体在带某些约束的参数空间中搜索目标函数解的过程。针对单次仿真运行中定位多个最优解的多模态优化（MMO），小生境技术已被广泛使用。具体而言，小生境遗传算法（NGA）已被证明在求解 MMO 方面特别有效。它可用于在一次运行中识别多个驼峰函数的全局最优值，有效保持种群多样性，并避免遗传算法早熟。借鉴 NGA 的优化过程，我们提出了受 NGA 启发的 MCDP，以在考虑体内纳米机器人实际传播与控制的情况下高效定位肿瘤目标，这不同于标准 NGA 的使用场景。为提升 MCDP 性能，我们还将原 NGA 的交叉算子从种群内交叉修改为两种群间交叉。最后，我们给出全面的数值算例，以证明当生物目标函数与肿瘤诱导血管生成引起的血流速度分布相关时，受 NGA 启发的 MCDP 的有效性。
引用
@article{arxiv.1812.11844,
title = {Nanorobots-assisted Detection of Multifocal Cancer: A Multimodal Optimization Perspective},
author = {Shaolong Shi and Yifan Chen and Xin Yao},
journal= {arXiv preprint arXiv:1812.11844},
year = {2019}
}
备注
11 pages, 14 figures, Transactions