Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Simplex Nelder Mead Genetic Algorithm for Minimizing Molecular Potential Energy Function Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

10. Particle Swarm Optimization Based Fast Fuzzy C-Means Clustering for Liver CT Segmentation

verfasst von : Abder-Rahman Ali, Micael Couceiro, Ahmed Anter, Aboul-Ella Hassanien

Erschienen in: Applications of Intelligent Optimization in Biology and Medicine

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

A Fast Fuzzy C-Means (FFCM) clustering algorithm, optimized by the Particle Swarm Optimization (PSO) method, referred to as PSOFFCM, has been introduced and applied on liver CT images. Compared to FFCM, the proposed approach leads to higher values in terms of Jaccard Index and Dice Coefficient, and thus, indicating higher similarity with the ground truth provided. Based on ANOVA analysis, PSOFFCM showed better results in terms of Dice Coefficient. It also showed better mean values in terms of Jaccard Index and Dice Coefficient based on the box and whisker plots.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Systematic Analysis of Applied Data Mining Based Optimization Algorithms in Clinical Attribute Extraction and Classification for Diagnosis of Cardiac Patients
Nächstes Kapitel Enhanced Prediction of DNA-Binding Proteins and Classes
Fußnoten
Literatur
1.
Anter, A., Azar, A., Hassanien, A., El-Bendary, N., ElSoud, M.: Automatic computer aided segmentation for liver and hepatic lesions using hybrid segmentations techniques. In: IEEE Proceedings of Federated Conference on Computer Science and Information Systems, pp. 193–198 (2013)
2.
Albrecht, T., et al.: Guidelines for the use of contrast agents in ultrasound. Ultraschall Med. 25(4), 249–256 (2004)CrossRef
3.
4.
Ashman, J.: Measuring named entity similarity through wikipedia category hierarchies. M.Sc. thesis. The University of Texas at Arlington: USA (2010)
5.
Annadurai, S., Shanmugalakshmi, R.: Fundamentals of Digital Image Processing. Pearson Education India (2006)
6.
Bezdek, J.: Fuzzy Mathematics in Pattern Classification. Ph.D. thesis, Applied Mathematic Center, Cornell University, Ithaca, New York (1973)
7.
Bluemke, D., Fishman, E.: Spiral CT of the liver. AIR 160, 787–792 (1993)
8.
Babalola, K., Patenaude, B., Aljabar, P., Schnabel, J., Kennedy, D., Crum, W., Smith, S., Cootes, T.F., Jenkinson, M., Rueckert, D.: Comparison and evaluation of segmentation techniques for subcortical structures in Brain MRI. In: Medical Image Computing and Computer-Assisted Intervention MICCAI. Lecture Notes in Computer Science, vol. 5241, pp. 409–416 (2008)
9.
Bronzino, J.: The Biomedical Engineering Handbook. 2. Springer (2000)
10.
Bluemke, D., Urban, B., Fishman, E.: Spiral CT of the liver: current applications. Semin. Ultrasound CT MR 15, 107–121 (1994)CrossRef
11.
12.
Couceiro, M.S., Martins, F.M., Rocha, R.P., Ferreira, N.M.: Analysis and parameter adjustment of the RDPSO—towards an understanding of Robotic network dynamic partitioning based on Darwin’s theory. Int. Math. Forum Hikari Ltd. 7(32), 1587–1601 (2012)MathSciNetMATH
13.
Cao, B., Wang, G., Chen, S., Guo, S.: Fuzzy Information and Engineering 2010, vol 1. Springer (2010)
14.
15.
Duda, R., Hart, P., Stork, D.: Pattern Classification, 2nd edn., chap. 2, pp. 20–63. Wiley, Chichester (2001)
16.
Eberhart, R.C., Shi, Y.: Comparing inertia weights and constriction factors in particle swarm optimization. In: IEEE Proceedings of the 2000 Congress on Evolutionary Computation, vol. 1, pp. 84–88 (2000)
17.
Frakes, W.B., Baeza-Yates, R.: Information Retrieval, Data Structure and Algorithms. Prentice Hall (1992)
18.
Hartman, B.: Maths AQA. Letts and Lonsdale (2006)
19.
Huang, X., Tsechpenakis, G.: Medical image segmentation. In: Hristidis, V. (ed.) Information Discovery on Electronic Health Records. Chap. 10, Chapman & Hall (2009)
20.
Izakian, H., Abraham, A.: Fuzzy C-means and fuzzy swarm for fuzzy clustering problem. Expert Syst. Appl. 38(3), 1835–1838 (2011)CrossRef
21.
Jaccard, P.: Etude Comparative de la distribution Orale Dansune Portion des Alpes et des Jura. Bulletin del la Socit Vaudoise des Science Naturelles, vol. 37, pp. 547–579 (1901)
22.
Kennedy, J., Eberhart, R.: A new optimizer using particle swarm theory. In: Proceedings of the IEEE Sixth International Symposium on Micro Machine and Human Science, pp. 39–43. Nagoya, Japan (1995)
23.
Läthén, G.: Segmentation methods for digital image analysis: blood vessels, multi-scale filtering, and level set methods. Linköping studies in science and technology. Thesis no. 1434 (2010)
24.
McKillup, S.: Statistics Explained: An Introductory Guide for Life Scientists. Cambridge University Press (2006)
25.
Maji, P., Pal, S.: Maximum class separability for rough-fuzzy C-means based Brain MR image segmentation. T. Rough Sets 9, 114–134 (2008)
26.
Mharib, A., Ramli, A., Mashohor, S., Mahmood, R.: Survey on liver CT image segmentation methods. Artif. Intell. Rev. 37(2), 83–95 (2012)CrossRef
27.
Narayana, C., Sreenivasa Reddy, E., Seetharama Prasad M.: Automatic image segmentation using Ultrafuzziness. Int. J. Comput. Appl. 49(12), 6–13 (2012)
28.
Oliveira, J.V., Pedrycz, W.: Advances in Fuzzy Clustering and Its Applications. Wiley, England (2007)CrossRef
29.
30.
Rutledge, R.: Just Enough SAS: A Quick-start Guide to SAS for Engineers. SAS Institute (2009)
31.
Valle, Y.D., Venayagamoorthy, G.K., Mohagheghi, S., Hernandez, J.C., Harley, R.: Particle swarm optimization: basic concepts, variants and applications in power systems. IEEE Trans. Evol. Comput. 2(2), 171–195 (2008)
32.
Zeman, R., Fox, S., Silverman, P., et al.: Helical (spiral) CT of the abdomen. AJR 160, 719–725 (1993)CrossRef
33.
Zhou, X.-C.: Image segmentation based on modified particle Swarm optimization and fuzzy C-means Clustering algorithm. In: IEEE Computer Society Second International Conference on Intelligent Computation Technology and Automation, pp. 611–616. DC, USA (2009)
34.
Zeman, R., Zeiberg, A., Davros, W., et al.: Routine helical CT of the abdomen: image quality considerations. Radiology 189, 395–400 (1993)CrossRef
Metadaten
Titel
Particle Swarm Optimization Based Fast Fuzzy C-Means Clustering for Liver CT Segmentation
verfasst von
Abder-Rahman Ali
Micael Couceiro
Ahmed Anter
Aboul-Ella Hassanien
Copyright-Jahr
2016
Buch
Applications of Intelligent Optimization in Biology and Medicine

Print ISBN: 978-3-319-21211-1

Electronic ISBN: 978-3-319-21212-8

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-21212-8_10