Improving ant colony optimization for brain MRI image segmentation and brain tumor diagnosis

Soleimani, Vahid; Vincheh, Farnoosh Heidari

doi:10.1109/pria.2013.6528454

Cited by 21 publications

(9 citation statements)

References 17 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A probabilidade de movimento da formiga para outro pixel em sua vizinhança, depende da intensidade de feromônio nesse pixel e também da tendência de mudar a sua atual direção w(∆θ). O termo w(∆θ), na realidade, expressa que a probabilidade de haver uma mudança brusca na direção do movimento da formigaé bem menor que uma pequena mudança [19].…”

Section: Algoritmo Aco De Segmentação De Imagensunclassified

“…Como esse trabalho utiliza a técnica de segmentação utilizando ACO de forma inovadora para a detecção de AVCh não existem outras literaturas muito semelhantes que realizem esse tipo de aplicação. Porém no trabalho de Soleimani & Vincheh [19] a segmentação de imagens utilizando ACOé utilizada para realizar a segmentação de tumores em imagens de RM, nesse trabalho não há resultados estatísticos, como a sensibilidade e a especificidade. Entretanto, um dos resultados obtidos descritos foi o do tempo de processamento entre 2 a 5 minutos para uma imagem.…”

Section: Sens (%)unclassified

See 1 more Smart Citation

Algoritmo de Otimização por Colônia de Formigas aplicado em Imagens de Tomografia Computadorizada para Detecção de AVC Hemorrágico

Burle¹,

Soares²,

Regis³

2017

Anais De XXXV Simpósio Brasileiro De Telecomunicações E Processamento De Sinais

View full text Add to dashboard Cite

Resumo-Este artigo apresenta a utilização do algoritmo de otimização por colônia de formigas (ACO-Ant Colony Optimization) para detecção de acidente vascular cerebral hemorrágico (AVCh) em imagens de tomografia computadorizada (TC) de cérebro. Foram utilizados o ACO, e as classes do algoritmo kmeans para a segmentação dasáreas hemorrágicas das imagens, com o objetivo de realizar essa detecção com o menor tempo de processamento possível. Assim, criando uma ferramenta computacional (CAD-Computer-Aided Detection/Diagnostic) viável para auxiliar profissionais da saúde na detecção do AVCh, sobretudo em serviços de saúde não especializados em radiologia. Foram obtidosótimos resultados, como um tempo de processamento de 1 minuto e 15 segundos para o conjunto de 22 imagens de um paciente, uma sensibilidade, especificidade e acurácia de 100% por paciente para a base de dados utilizada.

show abstract

Section: Algoritmo Aco De Segmentação De Imagensunclassified

Section: Sens (%)unclassified

Algoritmo de Otimização por Colônia de Formigas aplicado em Imagens de Tomografia Computadorizada para Detecção de AVC Hemorrágico

Burle¹,

Soares²,

Regis³

2017

Anais De XXXV Simpósio Brasileiro De Telecomunicações E Processamento De Sinais

View full text Add to dashboard Cite

show abstract

“…This algorithm indicates a balance between the ant's direction and distribution of pheromone. The region detected as the tumor is more distinct, clear and without any additional margin, which is typically brought in via inflammation [5].…”

Section: Literature Surveymentioning

confidence: 99%

Ant Colony Optimization with the Fusion of Adaptive K-means and Gaussian Second Derivative for Image Segmentation

Sharma¹,

Datta²

2016

IJCA

View full text Add to dashboard Cite

In this study, proposed an ant colony optimization (ACO) with the fusion of adaptive k-means and Gaussian second derivative for image segmentation. With the use of two algorithms will enhance the segmentation accuracy and speed up algorithm convergence. In the Gaussian second derivative, it is used for enhancing edges of an image because some information loses in the previous algorithm. The experimental process proved that a new hybrid clustering algorithm is more efficient than previous algorithms. Principally, this algorithm has better results in image segmentation. The proposed method can get profit of the K-means clustering for image segmentation in the aspects of less execution time. Also, it can get the benefits of ACO in the aspects of f-measure accuracy.

show abstract

“…It partitions the image by finding the edges between regions. Another most versatile approach is modified Ant Colony Optimization (ACO) algorithm using probabilistic approach [2] and a canny edge based approach with watershed [3] algorithm are used for the extraction of the tumor region from brain MR image gives satisfactory results but due to weak gradient magnitude the algorithm works effectively well only for high contrast images and degrades performance with low contrast images. Besides poor visualization results, edge based approaches only gives the outer skull boundary values and some of the internal bones structure which are represented by edges.…”

Section: Related Workmentioning

confidence: 99%

Brain tumor segmentation approaches: Review, analysis and anticipated solutions in machine learning

Vidyarthi

Mittal

2015

2015 39th National Systems Conference (NSC)

View full text Add to dashboard Cite

Brain tumor is one of the most rigorous diseases in the medical science. An effective and efficient analysis is always a key concern for the radiologists in the premature phase of tumor growth. At first sight of the imaging modality like in Magnetic Resonance (MR) imaging, the proper visualization of the tumor cells and its differentiation with its nearby soft tissues is somewhat difficult task. The reason for the above problem is the presence of the low illumination in imaging modalities. One of the solutions of such problem is deal by using machine learning based system diagnosis. In past various segmentation methods had been applied on brain MR imaging system to figure out the proper abnormality region from overall volume of the brain. In this paper a decade survey analysis is presented for all such approaches which are used in machine learning system for tumor segmentation. Further, the paper presents the limitations and advantages of all such approaches in machine learning based diagnosis. At last, the comparative segmentation results are discussed with certain clustering performance measures to analyse the effectiveness of each algorithm.

show abstract

Improving ant colony optimization for brain MRI image segmentation and brain tumor diagnosis

Cited by 21 publications

References 17 publications

Algoritmo de Otimização por Colônia de Formigas aplicado em Imagens de Tomografia Computadorizada para Detecção de AVC Hemorrágico

Algoritmo de Otimização por Colônia de Formigas aplicado em Imagens de Tomografia Computadorizada para Detecção de AVC Hemorrágico

Ant Colony Optimization with the Fusion of Adaptive K-means and Gaussian Second Derivative for Image Segmentation

Brain tumor segmentation approaches: Review, analysis and anticipated solutions in machine learning

Contact Info

Product

Resources

About