CMMM 计算和数学方法在医学 1748 - 6718 1748 - 670 x Hindawi 10.1155 / 2021/3854518 3854518 研究文章 遗传算法在数据挖掘的结直肠图像 https://orcid.org/0000 - 0001 - 8756 - 6346 陈 Shou-Ming 1 https://orcid.org/0000 - 0001 - 6325 - 855 x 张 杨军辉这样 2 Khalaf) Osamah易卜拉欣 1 美国放射学 攀枝花大学的附属医院 攀枝花 四川617000 中国 2 医学影像学系 宝鸡人民医院 宝鸡 陕西721000年 中国 bjsrmyy.com 2021年 15 10 2021年 2021年 29日 8 2021年 25 9 2021年 15 10 2021年 2021年 版权©2021 Shou-Ming陈和张杨军辉这样。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

目前还没有有效的分析方法在结直肠图像分析,导致大肠癌图像分析中的某些错误。为了提高大肠癌成像探测的准确性,本研究使用了遗传算法作为数据挖掘算法与图像处理技术相结合后进行图像分析。同时,结合图像检测的实际需求,灰色理论模型作为图像处理的基本理论,构造和图像检测预测模型来预测数据。此外,为了研究算法的有效性,实验分析数据的有效性进行研究和预报值与实际值相比。研究表明,该算法具有一定的精度,可以为后续的相关研究提供理论参考。

 1。介绍

结直肠癌是消化道最常见的恶性肿瘤。2012年全球癌症的世卫组织/研究报告(世界卫生组织国际癌症研究中心)表明,大肠癌是第三世界上最常见的恶性肿瘤,恶性肿瘤死因排名第四,约占所有癌症的10%。同年,估计将会有136万新病例的结肠直肠癌,和大约694000名患者死于这种疾病( 1]。虽然大肠癌的发病率下降在一些发达国家 1), 世界癌症报告( 2和中国的流行病学研究 3)表明,随着中国人口的老龄化,环境污染,以及生活习惯的改变,结直肠癌的发病率在中国的崛起和复兴的趋势。基于这种需求,有效的监测方法是用于提高大肠癌成像分析的影响。

直肠癌患者约占中国60%的直肠癌。手术方法的不断改进,新的治疗方法的出现,临床治疗方案和持续监管,直肠癌的复发率显著降低( 4]。然而,由于直肠癌症患者的大型基地,它仍然需要进一步减少病人的复发率,改善预后,提高存活率。准确的术前分期直肠癌的主要依据是指导临床选择最佳治疗方案(包括术前放疗和化疗,手术的方式,和彻底治愈的程度)和评估预后[ 5]。不准确的术前分期、是否分期不足或过度的阶段,将会有一个显著影响患者的预后。

美国癌症协会(与)在2010年修订的最新TNM分期直肠癌( 6)(确定T阶段根据原发肿瘤的肠壁浸润深度、淋巴结转移的数量和分布来确定N阶段,和是否有远处转移,以确定M阶段),它提供了可靠的理论依据的直肠癌术前分期。然而,准确的术前分期直肠癌仍然是一个在临床和影像学研究热点和难点。目前,术前T和M分期,可以准确地判断直肠癌CT intrarectal超声波,磁共振成像,宠物,等等。然而,有许多原因导致直肠周围淋巴结病。因此,常规检查基于形态学变化很难做出准确的判断是否良性和恶性,和准确评价区域淋巴结的性质是最大的挑战对直肠癌术前分期( 7]。因此,研究和探索具有重要意义的方法和技术来准确确定直肠癌术前区域淋巴结的本质指导直肠癌的临床诊断和治疗。有有限的直肠癌术前检查的方法。直肠检查是简单和容易的和最重要的方法是直肠癌的诊断。这也是对直肠癌主要的检查和诊断步骤。因此,40% - -80%的直肠癌可以感动在直肠指诊 8]。

直肠指诊可以提供一个初步的了解直肠癌和它的环境。然而,多数直肠癌淋巴结转移的晚期的疾病,它是不可能检查直肠癌更高的位置。因此,临床检查有限价值评估直肠癌的局部淋巴结。研究结果的哈代et al。 9]显示淋巴结转移的准确性由经验丰富的医生仅为67%。同时,直肠指诊结果的使用是不可靠的,它有一个伟大的相关性与考官的经验,所以这不是用来评估区域淋巴结的直肠癌。结肠镜检查已广泛应用于临床实践,是直肠癌的诊断的最有效的方法。此外,它可以直接观察肠道流明的情况。同时,可以采取肿瘤组织病理检查和部分病变切除(小病变、息肉等),早期诊断中扮演着很重要的角色,直肠癌的治疗和预防。然而,结肠镜检查不仅有许多禁忌症,但也有很多缺点,如穿孔和出血的风险,肿瘤的定位不准确,无法观察extraluminal渗透和区域淋巴结转移的肿瘤,因此它不能用于评价区域淋巴结分期直肠癌。

目前,成像检查的主要方法是评估直肠癌手术前。传统的x光检查(钡灌肠,胃肠病学灌肠之下)是显示消化道的轮廓通过引入对比剂进入消化道,间接观察消化道的解剖和功能,可以确定位置,总值病理类型、肿瘤和程度,理解和消除多个结直肠癌的主要病变。此外,其价格低廉,操作简单,容易,所以它为直肠癌的诊断具有重要的临床价值。然而,它不能客观评价直肠癌的大小,extraluminal渗透的程度,和周围的组织结构。因此,x光检查作为补充或更换不满意的结肠镜检查或结肠镜检查,而不是作为直肠癌的诊断的基础。当判断直肠癌的良性和恶性淋巴结,其他成像方法是基于形态学变化如淋巴结的大小、形态、边缘、和密度/信号/呼应,如传统腹部盆腔CT、盆腔MRI / intrarectal MRI和intrarectal超声波(ERUS)。然而,有许多原因的直肠周围淋巴结肿大,甚至小淋巴结有转移( 10]。因此,形态变化就容易导致假阴性和假阳性,和准确性不高,大限制指导的准确分期直肠癌。此外,直肠癌的淋巴结大小的准确性基于淋巴结大小在文献中报道是55% - -71% 11]。随着医学成像技术的不断发展,新的检验设备和技术出现,和功能成像技术从临床和影像工作者已经吸引了广泛的关注。目前,常见的功能测试包括CT灌注成像、核磁共振灌注成像、磁共振diffusion-weighted成像(驾车),超顺磁性氧化铁——(USPIO)增强MRI、磁共振光谱学(夫人),单光子发射计算机断层扫描(SPECT)正电子发射断层扫描(PET), PET / CT。这些不仅可以提供病变的形态学信息,也揭示了组织和器官的功能代谢在细胞和分子水平 12]。

根据上面的分析,目前没有有效的分析方法在结直肠图像分析,导致大肠癌图像分析中的某些错误,和一些干扰因素直接影响诊断结果。基于遗传算法,在此基础上,本研究探讨了采矿方法,可以获得有效信息的影响结直肠癌的进一步改善和促进大肠癌的诊断。

 2。研究方法 2.1。< inline-formula > < mml:数学xmlns: mml = " http://www.w3.org/1998/Math/MathML " id = " 1 " > < mml:多行文字> < / mml:多行文字> <通用mml: mfenced开放= "("关闭= ")" > < mml: mrow > < mml: mn > 1 < / mml: mn > < mml:莫>,< / mml:莫> < mml: mn > 1 < / mml: mn > < / mml: mrow > < / mml: mfenced > < / mml:数学> < / inline-formula >模型

在1980年代早期,邓教授巨龙提出了灰色系统的理论。理论是基于小样本、贫信息和不确定性系统,既包含已知信息和未知或未确定的信息。算法主要从生产中提取有价值的信息和发展一些已知信息和实现的正确描述和有效监控系统的操作行为和演变规律。此外,它发现的律法的数据混乱,有限的、离散的数据,然后建立了相应的灰色预测模型。 通用汽车 1 , 1 是一个灰色系统理论的重要组成部分,也是使用最广泛的预测模型。此外,它的核心思想是确定最合适的曲线生成的点组积累系统的原始序列( 13]。

假设 X 0 = x 0 1 , x 0 2 , ⋯ , x 0 n , X 1 = x 1 1 , x 1 2 , ⋯ , x 1 n 存在, (1) X 0 k + 一个 x 1 k = b , 被称为原始形式的 通用汽车 1 , 1 模型。

在方程( 1), X 0 k 确定输出和吗 b 相当于输入计算获得的。

假设 X 0 和 X 1 正如上面定义的,然后呢 Z 1 = z 1 2 , x 1 3 , ⋯ , x 1 n 。其中, z 1 k = 1 / 2 x 1 k + x 1 k − 1 。我们称之为 (2) x 0 k + 一个 z 1 k = b , 的基本形式是 通用汽车 1 , 1 模型。

符号的意义 通用汽车 1 , 1 灰色模型的订单(订单)和一个变量(变量)。在 通用汽车 1 , 1 模型的时间响应序列 x 0 k + 一个 z 1 k = b 是( 14] (3) x ∧ 1 k + 1 = x 0 1 − b 一个 e − 一个 k + b 一个 , k = 1 , 2 , ⋯ , n 。

在 通用汽车 1 , 1 模型,恢复的价值 x 0 k + 一个 z 1 k = b 是 (4) x ∧ 0 k + 1 = x ∧ 1 k + 1 − x ∧ 1 k , k = 1 , 2 , ⋯ , n 。

它可以看到从方程( 3)的本质 通用汽车 1 , 1 模型采用指数拟合相似 不 一个 k 的原始数据,除了第一点。的参数 − 一个 在模型中是发展系数, b 是灰色的行动 15]。

有很多基于灰色系统理论模型。到目前为止,最常见的应用程序的灰色预测模型 通用汽车 1 , 1 模型,也就是灰色系统理论的一个重要组成部分。几十年来,许多学者进行了一项特别的研究 通用汽车 1 , 1 模型,它丰富了灰色系统理论建模机制,同时提高提高模型的预测精度。虽然取得了较好的效果在灰色预测模型的研究,仍有一些机械问题尚未从根本上解决的灰色预测模型( 16]。

在方程( 3),有一个边界值 x 0 1 ,但在解决的过程中发展系数 − 一个 和灰色的行动 b ,它是独立的价值边界值 x 0 1 。因此,边界值的值 x 0 1 不应低于指数修正预测结果的影响。的 通用汽车 1 , 1 模型预测的结果是不通过的拟合曲线 1 , x 0 1 在最小二乘法的感觉。然而, 通用汽车 1 , 1 模式定位符合曲线必须通过 1 , x 0 1 支持点,没有理论基础( 17]。

的 通用汽车 1 , 1 模型遵循最小二乘方法估计发展系数 − 一个 和灰色的行动 b 。也就是说, 一个 和 b 满足 (5) 最小值 一个 , b ∑ 我 = 1 n x ∧ 0 我 − x 0 我 2 。

预测的图像检测的数量,我们更多关注的最小相对误差预测的结果,也就是说, (6) 最小值 一个 , b 1 n ∑ 我 = 1 n x ∧ 0 我 − x 0 我 x 0 我 % 。

因此, 一个 和 b 根据最小二乘法获得最好的结果。

 2.2。优化图像的检验数量预测模型< inline-formula > < mml:数学xmlns: mml = " http://www.w3.org/1998/Math/MathML " id = " M45 " > < mml:多行文字>通用< / mml:多行文字> < mml: mfenced开放= "("关闭= ")" > < mml: mrow > < mml: mn > 1 < / mml: mn > < mml:莫>,< / mml:莫> < mml: mn > 1 < / mml: mn > < / mml: mrow > < / mml: mfenced > < / mml:数学> < / inline-formula >

根据上述的分析 通用汽车 1 , 1 模型,首先,我们可以添加一个校正值 ε 边界值的优化 通用汽车 1 , 1 模型。的时间响应序列 x 1 1 = x 0 1 + ε 在 通用汽车 1 , 1 模型设置为( 18] (7) x ∧ 0 k = 1 − e 一个 x 0 1 + ε − b 一个 e − 一个 k − 1 。

其次,的范围 一个 , b , ε 据估计 通用汽车 1 , 1 模型和目标方程的方程( 8)是构造,量子遗传算法(相)是用于解决参数。 (8) f 一个 , b , ε = 最小值 一个 , b , ε 1 n ∑ 我 = 1 n x ∧ 0 我 − x 0 我 x 0 我 % , 一个 最小值 ≤ 一个 ≤ 一个 马克斯 , b 最小值 ≤ b ≤ b 马克斯 , ε 最小值 ≤ ε ≤ ε 马克斯 。

量子遗传算法(相)是量子计算属性的组合的产物和遗传算法是一种概率K.H.韩寒在2000年提出的进化算法。量子遗传算法介绍了量子状态向量表达的基因编码和使用量子逻辑门实现染色体的进化使得量子遗传算法有更丰富的人口比传统的遗传算法和实现比传统遗传算法更好的收敛性。此外,量子遗传算法是基于量子态向量的表示。此外,它采用量子位编码染色体,一条染色体表达多个州的叠加和使用量子逻辑门实现染色体变异和交叉,从而实现目标的最优解( 19]。

量子遗传算法利用量子位编码染色体,它编码如下。

假设 α β 是一个量子位, α 1 α 2 ⋯ α n β 1 β 2 ⋯ β n 是一个量子位, α 我 2 + β 我 2 = 1 , 我 = 1 , 2 , ⋯ , n 。然后,方程( 9)是 j th个人 X j ′ 的 t th的一代。 (9) X j ′ = α 1 t α 2 t ⋯ α n t β 1 t β 2 t ⋯ β n t j = 1 , 2 , 3 , ⋯ , N 。

量子遗传算法采用量子门旋转执行变异操作,及其编码方法中所示 (10) α 我 ′ β 我 ′ = 因为 Δ θ 我 − 罪 Δ θ 我 罪 Δ θ 我 因为 Δ θ 我 × α 我 β 我 。

因此,图像的算法优化流动检查数量预测模型 通用汽车 1 , 1 如下(数据 1):

的 通用汽车 1 , 1 模型构建和的范围 一个 , b , ε 估计

目标方程 f 一个 , b , ε 构造

人口 问 t 0 初始化。此外,它假定总人口是多少 n , n 是二进制编码的生成染色体在量子位编码吗

执行测量初始种群中的每个个体 问 t 0 获得相应的二进制解集 P t 0

每个确定的健康解决方案由适应度函数评价

最优个体的适应性和相应的记录

判断计算过程是否可以结束,如果结束条件满意,退出;否则,继续计算

每个单独的人群中 问 t 受到测量来获得相应的二进制解集

量子旋转大门 U t 是用来执行更新和变异操作对个人获得新的人口 问 t + 1

最优个体的适应性和相应的记录

迭代的次数 t 增加了1,算法返回步骤(5)

一个 , b , ε 替换成模型的时间响应序列 通用汽车 1 , 1

恢复值解决

通用汽车 1 , 1 控制图。

 3所示。结果

参与者包括50结直肠腺癌患者接受结肠直肠腺癌切除手术前和接受腹部骨盆灌注扫描,病理检查证实为从2018年1月至2018年12月结直肠腺癌。

标准的约束如下。(1)在CT检查和手术前,病人没有任何抗肿瘤治疗。(2)病人没有碘造影剂过敏史,并签署了知情同意。(3)患者没有严重的心、肺、肝、肾等疾病。(4)病人一般情况良好,可以配合整个考试过程。(5)病人没有抗痉挛药的禁忌症(如前列腺肥大和青光眼)。(6)病人目前没有甲状腺机能亢进。(7)病人没有胃肠道造影CT检查前1周内,不含金属药物。(8)病人的术后病理数据完整详细地记录。

所有的病人需要少渣饮食考试前2天内,病人需要禁食前一天晚上考试。体重测量来确定数量的对比注射。考试前30 - 90分钟,病人口服接种1500毫升2.5%甘露醇直到造影剂到达直肠,从而使胃肠道充分扩张。扫描开始前十五分钟,病人的臀部肌肉注射10毫克盐酸山莨菪碱去除身体表面的金属物体。此外,病人过程需要反复训练。患者不能坚持它,我们需要保持病人平静地呼吸。传统,腹部乐队添加减少腹部的动作,并确保在病人休息期间扫描。此外,考试过程告知病人,病人告知正常反应,如疼痛和瞬态热发生在注射对比剂。同时,有必要获得病人的合作,以避免病人的呼吸运动由于突然不适。

根据CT扫描图像,确定肿瘤的位置和最大程度的病变被选中。此外,随着这一层为中心,8层选择作为目标水平,和疑似肿大淋巴结病变周围的脂肪空间包含尽可能多的。此后,300毫克/ 100毫升的受者是通过肘正中静脉的注射4.0毫升/秒的速度。当注入造影剂,接近病人的反应是必需的。一旦有不良反应,我们需要立即停止注入和扫描。对比剂注射后,20毫升生理盐水注射以同样的速度。这部电影扫描方法被用于同一层动态增强扫描,和8年代扫描被推迟,和连续采集40年代,和320年灌注图像。此外, Z 设在覆盖率是4厘米,层厚度5毫米,平均扫描间隔1.0秒,120千伏和扫描参数,40 mA。

获得灌注数据转移到通用电气的优势工作站4.3查看图像。病变位于观察是否扫描平面是正确的,以及病变的位置是否太大是判断选择合格的情况。人体肿瘤灌注软件预装灌注3.0软件包当时申请数据处理。此后,阈值范围设置为-200年到120年胡锦涛移除图像组织如骨骼、脂肪、和空气。选择第一个目标飞机没有任何增强底面,飞机最明显的阶段是选择病变增强,腹主动脉、髂外动脉、股动脉被选中作为输入动脉。之后,感兴趣的区域(ROI)是手工描绘。ROI选择最大程度的肿瘤,避免肿瘤的边缘,显著增强血管,和坏死囊性变化和钙化在质量,避免部分体积效应的影响。之后,选择肿瘤的固体部分,和区域包含整个肿瘤尽可能(数字 2和 3)。灌注软件可以自动分析time-density曲线(TDC)目标动脉病变的ROI,这个级别的CT灌注伪彩色映射,以及一系列的灌注参数值如血流量(BF)、血容量(BV)、平均通过时间(MTT)、和表面通透性(PS)。

在上面的图片上执行图像处理,在此基础上,数据 2和 3可以分别表单如图所示 4和 5。

肿瘤扫描标志形象。

肿瘤ROI的形象。

图像处理后肿瘤扫描的形象标志。

癌症ROI图像处理后的图像。

图 4用于数据挖掘的算法研究,并得到以下信息。病人是男性和直肠癌。手术病理证实中度分化腺癌,入侵整个层;这两个利润没有参与癌症,没有癌症转移的淋巴结中发现每一组,和直肠墙进行了偏心增厚。

图 5用于数据挖掘的算法研究,并得到以下信息。患者男性,乙状结肠癌。手术病理证实,它是一个高度分化腺癌,侵入肌层。此外,没有癌症参与两个利润和吻合环,并没有发现癌症转移的淋巴结中每组,并在本地偏心增厚发生在乙状结肠。

为了进一步研究遗传算法的作用在结直肠图像数据挖掘模型,本研究以ADC的角色为例进行分析。

在这个实验中,淋巴结转移组中包含19日和转移性结节的数量包括13岁。此外,转移性淋巴结的最大短直径范围从6.20毫米到17.60毫米,圆形和椭圆形,9例,10例分成小叶的,不光滑。T2WI脂肪抑制是一个高信号,简短的转移性结节的直径是2.10毫米~ 7.80毫米,圆形或椭圆形,边界光滑。FST2WI脂肪抑制是一个高信号,和恶性淋巴结转移性结节高信号酒后驾驶。恶性淋巴结的ADC值测量 0.80 ± 0.18 × 10 − 3 米 米 2 / 年代 ,转移性结节的ADC值 0.78 ± 0.25 × 10 − 3 米 米 2 / 年代 , p = 0.80 > 0.05 ,差异无统计学意义。两组之间的比较如表所示 1。

比较恶性淋巴结之间的ADC值和转移性结节。

集团 数量 ADC值(×103毫米2/秒)
恶性淋巴结 19 0.80 ± 0.18
转移性结节 13 0.78 ± 0.25
p = 0.80

收集到的测试图像结果如图 6。

检测结直肠癌的形象。

在上面的图片上执行图像处理,结果如图 7。

图像处理后检测结直肠癌的形象。(模拟)通过本研究的算法,分别表示如下。(一)乙状结肠壁增厚,大约10 - 13毫米厚,肠道壁是完整的,T1WI低。(b) T2WI脂肪抑制是一个高信号。(c)醉酒驾车是一个高信号,肠壁是完好无损。(d) ADC图显示低信号。

 4所示。分析和讨论

局部淋巴结转移(paraspinal淋巴结,系膜淋巴结)是结直肠腺癌最常见的转移途径。因此,结肠直肠癌的CT灌注检查腺癌可以另外提供血流动力学状态区域淋巴结的结直肠腺癌扫描范围和间接评价血管生成。然而,很少有报告的评估区域淋巴结在结直肠腺癌CT灌注成像。与肿瘤,淋巴结的大小更小,更容易受到肠道蠕动,呼吸运动,部分体积效应。因此,本研究只选择最大的转移性淋巴结患者淋巴结转移的淋巴结“目标”。共19例淋巴结转移患者术后病理证实了这组数据。其中,1例转移性淋巴结是不包括在灌注扫描范围,1例病灶位置的转变在扫描平面上由于肠蠕动太大,和1个病人的灌注参数无法计算,所以病人并没有包括在研究。此外,这一组的数据标准差很大。目前,一些学者利用CT灌注成像技术评价颈部淋巴结病变的性质,腋窝,腹股沟区,纵隔,等等,但结果是非常不同的。因此,血液灌注CT灌注可以提供信息的淋巴结,但评估的价值淋巴结性质还有待进一步研究。

在这项研究中,使用遗传算法作为数据挖掘的基本算法,检测结果与传统检测方法相比具有一定的优越性。图像检测的预测性能优越的原因有几个。首先,形象的GSVR模型检验完全利用灰色模型中数据的预处理,降低数据的随机性,增加数据的规律,更符合了支持向量机的非线性映射特征。这些使支持向量机收敛更快。第二,如果参数选择不当,过度拟合或underfitting支持向量机。在这项研究中,检测函数可以确定合适的参数来预测图像的数量检查。此外,GSVR模型最小化结构风险没有最小化训练误差和更好的解决问题,如小样本,非线性,过度拟合,维数灾难和局部最小值。因此,它的泛化推广能力是优秀的。

遗传算法有明显的优势相比,结肠直肠癌的诊断和预后与传统成像检查。随着新技术的发展,遗传算法是发挥着越来越重要的作用,但他们也有一定的局限性。不同的组织学亚型在结直肠癌患者在放射性摄取也有一定的差异。此外,结直肠癌含有粘液组件可能是假阴性,和粘液的程度集中在肿瘤与肿瘤细胞粘液含量有关。小粘液组件,较小的粘液量摄取,甚至没有明显的放射性浓度。在结直肠癌术后复发的诊断病人,放射性摄取的增加可能是由于术后吻合口性口炎、肠道息肉,肠道生理吸收,和其他良性病变,导致假阳性。此外,肺转移,增加辐射摄入可能会影响到良性病变,如肺结核和炎症,导致假阳性。首先,直肠癌的转移是略有不同的其他部分结肠癌的转移。特殊的静脉返回系统的直肠下部会导致孤独的肺转移没有肝转移,这是很难区分单肺结节。与基因组学的应用在结直肠癌患者的预后评估,如何标签更具体的探针在分子水平上是核医学的发展机遇和挑战。 Secondly, in the upsurge of tumor heterogeneity research, the genetic algorithm plays an important role as a good means of tumor heterogeneity research.

 5。结论

遗传算法的基础上,本研究探讨了采矿方法,可以获得有效信息的影响结直肠癌的进一步改善和促进大肠癌的诊断。量子遗传算法是基于量子态向量的表示。它利用量子位编码染色体,允许一个染色体表达多个州,并使用量子逻辑门实现染色体变异和交叉,从而实现目标的最优解。同时,在这项研究中,根据CT扫描图像,肿瘤位置确定图像处理,并最大程度的损伤被选中。此外,随着这一层为中心,8层选择作为目标水平,和疑似肿大淋巴结病变周围的脂肪空间包含尽可能多的。此外,本文设计一个控制实验进行分析。研究结果表明,遗传算法作为数据挖掘的基本算法。检测结果有一定的优势的传统检测算法,可以逐渐应用于临床检测大肠癌的效果。

 数据可用性

使用的数据来支持本研究的发现没有提供,因为我们没有获得许可数据共享的数据提供者。

 的利益冲突

作者没有利益冲突。

 刘 Y。 Aickelin U。 Feyereisl J。 Durrant l·G。 小波变换特征提取和遗传算法的生物标志物检测结直肠癌数据 以知识为基础的系统 2013年 37 502年 514年 10.1016 / j.knosys.2012.09.011 2 - s2.0 - 84870061139 Bozcuk H。 舱底水 U。 Koyuncu E。 Gulkesen H。 遗传算法的一个应用程序与其他数据挖掘方法估算结果在癌症患者住院后 医学监控国际医学杂志的实验和临床研究 2004年 10 6 CR246 CR251 赖 k . X。 Phung b . T。 布莱克本 t·R。 描述性数据挖掘使用决策树与遗传算法的局部放电 澳大利亚的电气和电子工程杂志》上 2009年 6 3 249年 259年 10.1080 / 1448837 x.2009.11464243 2 - s2.0 - 76349086067 Detorakis Z。 Tambouratzis G。 把遗传算法应用于分词 模式分析与应用 2010年 13 1 93年 104年 10.1007 / s10044 - 008 - 0140 - z 2 - s2.0 - 73749087027 Liou d . M。 常 w·P。 乳腺癌的应用数据挖掘分析数据 在临床医学数据挖掘 2014年 施普林格 分子生物学方法 Mstafa r . J。 Elleithy k . M。 基于Kanade-Lucas-Tomasi视频隐写术算法跟踪算法和错误校正码 多媒体工具和应用程序 2016年 75年 17 10311年 10333年 坂本 M。 只是 T。 Alexandrova T。 加强价值观通过虚拟智能工件影响人的态度和行为 多媒体工具和应用程序 2015年 74年 24 11537年 11568年 10.1007 / s11042 - 014 - 2250 - 5 2 - s2.0 - 85027950576 Zarraonandia T。 迪亚兹 P。 Aedo 我。 鲁伊斯 m·R。 设计教育游戏通过基于规则的概念模型和场景 多媒体工具和应用程序 2015年 74年 13 4535年 4559年 10.1007 / s11042 - 013 - 1821 - 1 2 - s2.0 - 84934444181 哈代 年代。 Dutz T。 Wiemeyer J。 Gobel 年代。 斯坦梅茨 R。 个性化和自适应框架基于游戏培训项目在健康运动 多媒体工具和应用程序 2015年 74年 14 5289年 5311年 10.1007 / s11042 - 014 - 2009 - z 2 - s2.0 - 84933672754 你 H。 库马尔 N。 金 J。 搜索引擎优化 J。 强安全pairing-free certificateless认证密钥协商协议适用于智能媒体和移动环境 多媒体工具和应用程序 2015年 74年 16 6365年 6377年 10.1007 / s11042 - 015 - 2470 - 3 2 - s2.0 - 84939265455 巴兹 a . H。 基于混合智能系统的粗糙集和系综分类器对乳腺癌的诊断 神经计算与应用 2015年 26 2 437年 446年 10.1007 / s00521 - 014 - 1731 - 9 2 - s2.0 - 84925535602 常 V。 概述,提供的例子和影响新兴服务在云计算和分析 神经计算与应用 2018年 29日 5 1243年 1256年 汗 M。 沙阿 T。 Batool 我美国。 建设基于混沌天地盒布尔函数及其在图像加密中的应用 神经计算与应用 2016年 27 3 677年 685年 10.1007 / s00521 - 015 - 1887 - y 2 - s2.0 - 84961303604 Bacciu D。 无监督特征选择传感器时间序列的普适计算应用程序 神经计算与应用 2016年 27 5 1077年 1091年 10.1007 / s00521 - 015 - 1924 - x 2 - s2.0 - 84929691901 余 年代。 邓 年代。 自适应车辆实时提取交通视频监控基于多目标粒子群优化算法的融合 EURASIP杂志在图像和视频处理 2018年 2018年 1 145年 郭 Y。 宗庆后 X。 气 M。 张 Y。 王 H。 可行性研究评估基于GemDialogue翡翠的颜色芯片图像 EURASIP杂志在图像和视频处理 2018年 2018年 1 95年 林 k . M。 林 j . R。 陈 m·J。 叶 c . H。 李 c。 基于运动矢量信息的快速帧间预测算法高效视频编码 EURASIP杂志在图像和视频处理 2018年 2018年 1 99年 Ivanavičius 一个。 Simonavičius H。 Gelšvartas J。 Lauraitis 一个。 Maskeliūnas R。 Cimmperman P。 Serafinavičius P。 实时CUDA-based Cyclops2进行立体匹配算法 EURASIP杂志在图像和视频处理 2018年 2018年 1 12 陈 F。 温 P。 彭 Z。 江 G。 余 M。 陈 H。 层次复杂控制算法基于编码的HEVC单位深度决定 EURASIP杂志在图像和视频处理 2018年 2018年 1 96年