使用利他型哈里斯鹰优化算法分割脑MRI
图像与视频处理
2021-09-21 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
当数字图像用于疾病诊断时，分割是医学中的基本需求，尤其在分析与疾病识别等后续任务中。由于脑磁共振图像（MRI）光照不佳及与图像采集相关的其他条件，其高效分割是放射科医生首要关注的问题。阈值法是一种流行的分割方法，利用图像直方图将不同同质像素组标记为不同类别。然而，计算成本随阈值数量呈指数增长。本文中，我们使用一种进化元启发式进行多级阈值分割。它是哈里斯鹰优化（HHO）算法的改进版本，结合了混沌初始化与利他主义概念。此外，对于适应度分配，我们使用混合目标函数，其中在交叉熵最小化的同时应用一种新的熵函数，并对两个目标函数赋予权重以形成新混合方法。HHO最初设计用于解决数值优化问题。早前统计结果与比较已表明，相较于成熟的元启发式技术，HHO提供了非常有前景的结果。本文中，将利他主义引入HHO算法以增强其开发能力。我们使用哈佛医学院WBA数据库的10幅基准图像和Brainweb数据集的8幅基准图像，借助一些标准评价指标评估所提方法。
引用
@article{arxiv.2109.08688,
title = {Segmentation of Brain MRI using an Altruistic Harris Hawks' Optimization algorithm},
author = {Rajarshi Bandyopadhyay and Rohit Kundu and Diego Oliva and Ram Sarkar},
journal= {arXiv preprint arXiv:2109.08688},
year = {2021}
}