Гиперэвристический роевый метод сегментации медицинских изображений

Резюме: Цель работы. Разработка новых методов сегментации медицинских изображений, поскольку современные методы медицинской диагностики в значительной степени основаны на обработке изображений МРТ, рентгеноскопии и т.п. Материалы и методы. Предложен гибридный роевой алгоритм для сегментации медицинских изображений, который включает модифицированный и элитный экспоненциальный роевой алгоритм сегментации в сочетании с методом к-средних. На основе дрейф анализа исследована временная сложность разработанного алгоритма. Показано, что разработанный алгоритм сегментации МРТ-изображений имеет полиномиальную временную сложность. Результаты. Для тестирования разработанных алгоритмов использовались изображения тестового множества Ossirix и реальные медицинские изображения. При сравнении времени работы предложенных методов сегментации было установлено: гипер-эвристический роевой метод показывает время работы в среднем в 2 раза меньшее, чем при использовании гибридного муравьиного метода, а результаты сегментации для изображений хорошего качества и размытых изображений получаются сопоставимыми. Выводы. Предложено несколько модификаций роевых алгоритмов сегментации изображений для различных типов медицинских изображений, которые включают контрастные, зашумленные, размытые изображения и показали при тестировании хорошие результаты и низкую временную сложность.

Ключевые слова: сегментация изображений, био-инспирированные методы, роевой алгоритм, дрейф-анализ.

S.El-Khatib, Y.A. Skobtsov, S.I. Rodzin

 Hyper heuristic particle swarm optimization method for medical images segmentation

 Summary: Purpose. Development of new methods for medical images segmentation, since modern methods of medical diagnostics are largely based on image processing MRI, CT scan etc. Materials and Methods. A hybrid particle swarm algorithm for medical image segmentation is proposed, which includes a modified and elite exponential particle swarm segmentation algorithm in combination with the k-means method. The time complexity of the developed algorithm is investigated on the basis of the drift analysis. It is shown that the developed algorithm for segmentation of MRI images has a polynomial time complexity. Results. To test the developed algorithms, images of the Ossirix test set and real medical images were used. When comparing the operating time of the proposed segmentation methods, it was found that the hyper-heuristic swarm method shows the operating time on average 2 times less than when using the hybrid ant method, and the segmentation results for good quality images and blurry images are comparable. Conclusions. Several modifications of swarm image segmentation algorithms have been proposed for various types of medical images, including contrasting, noisy and blurred images, which showed good results during testing and low time complexity.

Keywords: Image segmentation, PSO, Swarm intelligence, Drift analysis, Bio-inspired methods.

DOI : 10.34219/2078-8320-2021-12-2-22-29