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
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Calculation of DNA Strand Breaks by Types of Electron Interaction with Monte Carlo Simulation Kapitel lesen Erstes Kapitel lesen

2022 | OriginalPaper | Buchkapitel

Segmentation of Brain MR Images Using Quantum Inspired Firefly Algorithm with Mutation

verfasst von : Alokeparna Choudhury, Sourav Samanta, Sanjoy Pratihar, Oishila Bandyopadhyay

Erschienen in: Bioinformatics and Biomedical Engineering

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Segmentation of brain images generated by magnetic resonance imaging (MRI) is an important part of clinical medicine as it enables three-dimensional reconstruction and downstream analysis of normal and pathological regions. Segmenting white matter (WM), grey matter (GM), and cerebrospinal fluid (CSF) automatically are challenging tasks. In this paper, a clustering-based segmentation of MR images is performed using a modified quantum-inspired firefly algorithm with mutation operation. In the proposed method, a mutation operation based on the X-gate has overcome the restriction on initial centroids trapped in local optima. The objective function is chosen to be the minimum intra-cluster distance. The suggested approach has been tested on several sections of human brain images with differing cluster numbers. Correlation, SSIM, entropy, and PSNR have been used to evaluate the outputs of the method. The evaluation metrics indicate that the proposed clustering-based algorithm successfully segmented the MR images.

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 Radiomic-Based Lung Nodule Classification in Low-Dose Computed Tomography
Nächstes Kapitel Single-Channel EEG Detection of REM Sleep Behaviour Disorder: The Influence of REM and Slow Wave Sleep
Literatur
1.
Jeena, R.S., Kumar, S.: A comparative analysis of MRI and CT brain images for stroke diagnosis. In: 2013 Annual International Conference on Emerging Research Areas and 2013 International Conference on Microelectronics, Communications and Renewable Energy, pp. 1–5 (2013)
2.
Kloska, S.P., Wintermark, M., Engelhorn, T., Fiebach, J.B.: Acute stroke magnetic resonance imaging: current status and future perspective. Neuroradiology 52(3), 189–201 (2009)CrossRef
3.
Mamelak, A.N., Jacoby, D.B.: Targeted delivery of antitumoral therapy to glioma and other malignancies with synthetic chlorotoxin (TM-601). Expert Opin. Drug Deliv. 4(2), 175–186 (2007)CrossRef
4.
Ostrom, Q.T., et al.: The epidemiology of glioma in adults: a “state of the science’’ review. Neuro-Oncol. 16(7), 896–913 (2014)CrossRef
5.
Olivero, W.C., Lister, J.R., Elwood, P.W.: The natural history and growth rate of asymptomatic meningiomas: a review of 60 patients. J. Neurosurg. 83(2), 222–224 (1995)CrossRef
6.
Lee, W., et al.: MR imaging features of clear-cell meningioma with diffuse leptomeningeal seeding. AJNR Am. J. Neuroradiol. 21(1), 130–132 (2000)PubMedPubMedCentral
7.
Masangcap, M.L.G., Sison, A.M., Medina, R.P.: An improved initialization method using firefly movement and light intensity for better clustering performance. In: Proceedings of the 2nd International Conference on Software Engineering and Information Management, pp. 30–34 (2019)
8.
Xie, H., et al.: Improving k-means clustering with enhanced firefly algorithms. Appl. Soft Comput. 84, 105763 (2019)CrossRef
9.
Khrissi, L., Akkad, N.E., Satori, H., Satori, K.: Simple and efficient clustering approach based on cuckoo search algorithm. In: 2020 Fourth International Conference on Intelligent Computing in Data Sciences (ICDS), pp. 1–6 (2020)
10.
11.
Zhao, J., Tang, J., Shi, A., Fan, T., Xu, L.: Improved density peaks clustering based on firefly algorithm. Int. J. Bio-Inspir. Comput. 15(1), 24 (2020)CrossRef
12.
Dey, A., Dey, S., Bhattacharyya, S., Platos, J., Snasel, V.: Novel quantum inspired approaches for automatic clustering of gray level images using particle swarm optimization, spider monkey optimization and ageist spider monkey optimization algorithms. Appl. Soft Comput. 88, 106040 (2020)CrossRef
13.
Das, S., De, S., Dey, S., Bhattacharyya, S.: Magnetic resonance image segmentation using a quantum-inspired modified genetic algorithm (QIANA) based on FRCM (2020)
14.
Dhal, K.G., Das, A., Ray, S., Gálvez, J.: Randomly attracted rough firefly algorithm for histogram based fuzzy image clustering. Knowl.-Based Syst. 216, 106814 (2021)CrossRef
15.
Verma, H., Verma, D., Tiwari, P.K.: A population based hybrid FCM-PSO algorithm for clustering analysis and segmentation of brain image. Expert Syst. Appl. 167, 114121 (2021)CrossRef
16.
Dey, A., Dey, S., Bhattacharyya, S., Platos, J., Snasel, V.: Quantum inspired meta-heuristic approaches for automatic clustering of colour images. Int. J. Intell. Syst. 36(9), 4852–4901 (2021)CrossRef
17.
18.
Deutsch, D.: Quantum theory, the church-turing principle and the universal quantum computer. Proc. R. Soc. London A Math. Phys. Sci. 400(1818), 97–117 (1985)
19.
Han, K.H., Kim, J.H.: Quantum-inspired evolutionary algorithm for a class of combinatorial optimization. IEEE Trans. Evol. Comput. 6(6), 580–593 (2002)CrossRef
20.
21.
Yang, X.S.: Nature-Inspired Metaheuristic Algorithms. Luniver Press (2010)
22.
23.
Metadaten
Titel
Segmentation of Brain MR Images Using Quantum Inspired Firefly Algorithm with Mutation
verfasst von
Alokeparna Choudhury
Sourav Samanta
Sanjoy Pratihar
Oishila Bandyopadhyay
Copyright-Jahr
2022
Buch
Bioinformatics and Biomedical Engineering

Print ISBN: 978-3-031-07703-6

Electronic ISBN: 978-3-031-07704-3

Copyright-Jahr: 2022

DOI
https://doi.org/10.1007/978-3-031-07704-3_30

Premium Partner

    Bildnachweise