TY -的A2 -古普塔,Suneet Kumar盟——Shivahare Basu Dev AU -古普塔,s . k . PY - 2022 DA - 2022/03/30 TI -高效COVID-19 CT扫描图像分割的自动聚类算法SP - 9009406六世- 2022 AB -本文地址自动分割和分类COVID-19和正常胸部CT扫描图像。对于分类、分割的预处理步骤,12 DWT-PCA-based分割图像的纹理特征提取作为输入的随机森林利用机器学习算法分类COVID-19 / non-COVID-19疾病。通过rt - pcr诊断COVID-19疾病测试是一个耗时的过程。有时,rt - pcr检测结果是不准确的;它有一个假阴性,这可能会导致威胁到人的生命由于延迟启动指定的治疗。这时,迫切需要开发一个可靠的自动COVID-19检测工具,可以检测COVID-19疾病从胸部CT扫描图像在较短的时间内,可以帮助医生COVID-19治疗最早开始。在这篇文章中,鲸鱼优化算法改进的一种变体鲸鱼优化算法(IWOA)介绍。IWOA的效率是单峰(F1-F7)测试,多通道(F8-F13)和fixed-dimension多通道(F14-F23)基准测试函数和与鲸鱼优化算法(WOA)相比,樽海鞘群优化(SSA)和正弦余弦算法(SCA)。实验是在30试验和人口规模,进行迭代,30和100年在每个试验。比WOA IWOA达到更快的收敛、SSA和SCA和提高WOA的开发和探索阶段,避免当地的圈套。 IWOA, WOA, SSA, and SCA utilized Otsu’s maximum between-class variance criteria as fitness function to compute optimal threshold values for multilevel medical CT scan image segmentation. Evaluation measures such as accuracy, specificity, precision, recall, G意思是,F_measure, SSIM, 12 DWT-PCA-based纹理特征计算。实验表明,IWOA效率,取得更好的分割评价措施,更好的分割掩模与其他方法相比。DWT-PCA-based纹理特征提取的160个IWOA, WOA, SSA -,和SCA-based分割图像输入随机森林训练、测试和随机森林DWT-PCA-based纹理特征提取每个40 IWOA, WOA, SSA和SCA-based分割图像。随机森林报告了一个有前途的分类精度为97.49% DWT-PCA-based纹理特性,从IWOA-based分割图像中提取。SN - 2040 - 2295 UR - https://doi.org/10.1155/2022/9009406 - 10.1155 / 2022/9009406摩根富林明医疗工程PB - Hindawi KW - ER