Optimierte naturinspirierte Rechenalgorithmen zur Erkennung von Lungenerkrankungen

Mit Hilfe von computergestützten Methoden, die von der Natur inspiriert sind, können neue Modelle zur Analyse natürlicher Phänomene und Verhaltensweisen entwickelt werden, um komplexe Probleme zu lösen. Schwarmintelligenz und evolutionäre Berechnung sind nur zwei der vielen hochmodernen Forschungsbereiche, die unter diese Fachdisziplin fallen. Die Segmentierung medizinischer Bilder ist seit Langem ein wichtiges Forschungsthema und ein Hauptziel in der computergestützten Bildverarbeitung. Aufstrebende akademische Forschung in der biomedizinischen Technik wird durch naturinspirierte intelligente Methoden bei der Lösung von Problemen der biomedizinischen Technik unterstützt. Diese Forschung umfasst eine umfangreiche Abdeckung relevanter Themen wie maschinelles Lernen, klinische Entscheidungsunterstützungssysteme und Schwarmintelligenz, um mit den neuesten Entwicklungen in der biomedizinischen Technologie Schritt zu halten. Die medizinische Bildgebung stützt sich heutzutage stark auf die Lungenkrebsforschung aufgrund der Auswirkungen von COVID-19 und der Fülle an morphologischen und physiologischen Informationen, die sie liefert, was die Diagnose und Behandlungsplanung erheblich vereinfacht. Es gibt zahlreiche Detektions- und Segmentierungsmethoden, die heute in Gebrauch sind, aber sie alle weisen Mängel in Bezug auf die Genauigkeit auf. Die Kategorisierung der Lungen-Segmentierung basiert auf der Verwendung eines Lernalgorithmus in der ausgewählten Technik, der als Filter, Wrapper oder eingebettete Merkmalsauswahlmethode bezeichnet wird. Diese Forschung präsentiert die Analyse verschiedener naturinspirierter Rechenmodelle bei der Segmentierung von Lungenbildern zur Erkennung von COVID-19 und anderen Gesundheitsproblemen. Der Klassifikator mit der besten Leistung wird im Erkennungsprozess für eine genaue Diagnose vorgeschlagen.