Multi-threshold image segmentation using an enhanced fruit fly optimization for COVID-19 X-ray images

Hao, Shuhui; Huang, Changcheng; Heidari, Ali Asghar; Xu, Zhen; Chen, Huiling; Alabdulkreem, Eatedal; Elmannai, Hela; Wang, Xianchuan

doi:10.1016/j.bspc.2023.105147

Cited by 11 publications

(2 citation statements)

References 124 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Dalam melakukan segmentasi pada suatu citra dapat dilakukan dengan metode trial and error namun dengan jumlah kasus yang banyak dibutuhkan metode untuk menentukan threshold secara otomatis [6]. Segmentasi dengan menggunakan thresholding menjadi penting pada beberapa tahun terakhir karena kesederhanaan dan ketahanannya [12]. Keunggulan lainnya dari teknik thresholding adalah kecepatan pemrosesan yang baik dan penggunaan penyimpanan yang lebih sedikit [10].…”

Section: True Color Imageunclassified

Deteksi dan Visualisasi Berbasis Computer Vision untuk Analisis Gambar Dermatologis dalam Penilaian Keparahan Jerawat

Watef,

Mahananto

2024

ilkomnika

View full text Add to dashboard Cite

Jerawat (acne vulgaris) merupakan salah satu penyakit dermatologis paling umum dalam kehidupan sehari-hari utamanya pada masa remaja. Lebih dari 80% orang mengalami permasalahan jerawat pada masa remajanya. Dalam menilai tingkat keparahan jerawat perlu dilakukan penilaian secara obyektif dengan prosedur perawatan medis. Penilaian jerawat secara tradisional umumnya dilakukan oleh dokter kulit dengan menentukan jenis dan jumlah lesi dimana sering kali penilaian ini memakan waktu dan mengganggu efisiensi dalam penilaian jerawat. Kerangka kerja ini menguji praproses gambar dengan menggunakan metode red color detection, threshold, enhanced image dan penggabungan enhanced image dan red color detection dalam klasifikasi gambar jerawat. Selain itu beberapa metode klasifikasi diterapkan untuk menguji data masukan dari penerapan praproses yang dilakukan. Adapun metode klasifikasi yang digunakan adalah NN, SVM, KNN dan VGG16 selain itu penerapan fitur ekstraksi juga diterapkan. Penggunaan fitur ekstraksi menggunakan VGG16 dilanjutkan dengan Principal Component Analysis (PCA) dimana penerapan PCA dilakukan untuk meningkatkan efisiensi komputasional. Dengan data masukan enhanced image yang kemudian diklasifikasikan menggunakan VGG16 memberikan hasil akurasi terbaik mencapai 69% . Kedepannya metode praproses enhanced image dapat diterapkan pada kumpulan data yang berbeda dikarenakan tidak dipungkiri bahwasanya kumpulan data ACNE04 memiliki banyak noise pada citra.

show abstract

Section: True Color Imageunclassified

Deteksi dan Visualisasi Berbasis Computer Vision untuk Analisis Gambar Dermatologis dalam Penilaian Keparahan Jerawat

Watef,

Mahananto

2024

ilkomnika

View full text Add to dashboard Cite

show abstract

“…These developments are intended to help organizations more effectively identify a variety of cancers on chest X-rays. Furthermore, the field of CT research endeavors to discern textural patterns suggestive of pulmonary ailments (Chen et al, 2023 ; Hao et al, 2023 ).…”

Section: Introductionmentioning

confidence: 99%

Hybrid deep spatial and statistical feature fusion for accurate MRI brain tumor classification

Iqbal,

Qureshi,

Alhussein

et al. 2024

Front. Comput. Neurosci.

View full text Add to dashboard Cite

The classification of medical images is crucial in the biomedical field, and despite attempts to address the issue, significant challenges persist. To effectively categorize medical images, collecting and integrating statistical information that accurately describes the image is essential. This study proposes a unique method for feature extraction that combines deep spatial characteristics with handmade statistical features. The approach involves extracting statistical radiomics features using advanced techniques, followed by a novel handcrafted feature fusion method inspired by the ResNet deep learning model. A new feature fusion framework (FusionNet) is then used to reduce image dimensionality and simplify computation. The proposed approach is tested on MRI images of brain tumors from the BraTS dataset, and the results show that it outperforms existing methods regarding classification accuracy. The study presents three models, including a handcrafted-based model and two CNN models, which completed the binary classification task. The recommended hybrid approach achieved a high F1 score of 96.12 ± 0.41, precision of 97.77 ± 0.32, and accuracy of 97.53 ± 0.24, indicating that it has the potential to serve as a valuable tool for pathologists.

show abstract

A Comprehensive Survey of Multi-Level Thresholding Segmentation Methods for Image Processing

Amiriebrahimabadi,

Rouhi,

Mansouri

2024

Arch Computat Methods Eng

View full text Add to dashboard Cite

Multi-threshold image segmentation using an enhanced fruit fly optimization for COVID-19 X-ray images

Cited by 11 publications

References 124 publications

Deteksi dan Visualisasi Berbasis Computer Vision untuk Analisis Gambar Dermatologis dalam Penilaian Keparahan Jerawat

Deteksi dan Visualisasi Berbasis Computer Vision untuk Analisis Gambar Dermatologis dalam Penilaian Keparahan Jerawat

Hybrid deep spatial and statistical feature fusion for accurate MRI brain tumor classification

A Comprehensive Survey of Multi-Level Thresholding Segmentation Methods for Image Processing

Contact Info

Product

Resources

About