.png){kind=icon}
返回
Modified fuzzy prediction enabled automatic evolutionary clustering algorithm for dynamic image segmentation
.png){kind=icon}
PRE
AI
DOI：10.1080/13682199.2026.2612876.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
时序图像和视频分割由于噪声、遮挡、运动模糊和场景突变而是一项困难任务。深度神经网络虽显示出潜力，但其成功高度依赖于大量标注数据或预训练。相比之下，无监督聚类避免了这种依赖，但通常稳健性有限。基于元启发式聚类算法在动态环境中的交替方法是一个探索不足的领域。为解决这些挑战，提出了一种结合最新聚类算法Delta-MOCK（自动K值确定的多目标聚类）和动态进化优化的方法，用于场景中时序图像的无监督分割。所提算法预测型多目标自动聚类（PMoAC）首先生成超像素，然后应用多目标优化根据方差和空间连通性对超像素进行分组。PMoAC的核心特征是改进的模糊预测（m-FP）策略，该策略通过引入加权历史和自适应隶属度加权来扩展传统模糊推理，以增强时序适应性。这使得算法能够预测分割的演变并适应环境变化。在12个基准数据集上，采用不同线性与非线预测方案在同一方法下，以及与最新算法DNSGA-III、DMOEA/D和FDSPEA2-BR的对比实验表明，带有m-FP的PMoAC在准确性和效率上均表现出更优性能，具体表现为平均Dice相似系数（mDSC）提高31.32%，平均超体积（mV）提高10.11%，而整体运行时间减少近45%。
Keyword:
Multi-objective clustering
automatic segmentation
dynamic optimization
fuzzy inference prediction
superpixel segmentation
期刊
I
IF:
1.1
论文数:
59
被引数:
0
机构
引用论文
.png){kind=icon}
Application of UNETR for automatic cochlear segmentation in temporal bone CTsUNETR在颞骨CT中自动蜗神经分割的应用
PREAI
分享收藏
查看更多内容