DOI: 10.7256/2306-4196.2016.5.18507

Аннотация: Предметом исследования является нового алгоритма сегментации, позволяющего повысить качество и скорость обработки снимков по сравнению с известными алгоритмами. Рассматривается постановка задачи сегментации медицинских изображений и существующие подходы к ее решению. Отмечается, что сегментация является наиболее сложным моментом в обработке и анализе медицинских изображений биологической ткани, так как необходимо выделять области, соответствующие различным объектам или структурам на гистологических препаратах: клеткам, органоидам и артефактам. Особое внимание уделяется алгоритмам роя частиц и к-средних. При решении задачи используется методология роевого интеллекта, кластерный анализ, теория эволюционных вычислений, математическая статистика, компьютерное моделирование и программирование. Предлагается новый гиперэвристический алгоритм и его модификация для решения задачи сегментации медицинских снимков с целью повышения качества и скорости обработки снимков. Приводятся результаты экспериментальных исследований, полученные на основе тестовых данных из известного набор медицинских МРТ-снимков с использованием разработанного авторами программного обеспечения. Установлены оптимальные значения коэффициентов, определяющих поведение и эффективность гиперэвристик, что позволяет уменьшить количество итераций алгоритмов. Результаты демонстрируют преимущество и подтверждают перспективность использования гиперэвристических алгоритмов в системах цифровой обработки медицинских снимков для решения задачи сегментации медицинских изображений.

DOI: 10.7256/2454-0714.2016.2.18608

Аннотация: Предметом обзора является современное состояние, проблемные вопросы и перспективные области исследований биоэвристик для решения оптимизационных задач. Биоэвристики – это математические преобразования, трансформирующие входной поток информации в выходной и основанные на правилах имитации механизмов эволюции, природных аналогий, на статистическом подходе к исследованию ситуаций и итерационном приближении к искомому решению. В настоящее время биоэвристики превратились в важный инструмент поиска близких к оптимальным решений задач, которые до этого считались неразрешимыми. Методологической и теоретической основой обзорного исследования являлись методы оптимизации и поддержки принятия оптимальных решений, искусственный интеллект, теория эволюционных вычислений. В статье анализируются фундаментальные результаты, полученные в области биоэвристических алгоритмов оптимизации: теорема Холланда и NFL-теорема. Устанавливаются закономерности и структура биоэвристик, особенности кодирования решений, базовый цикл биоэвристических алгоритмов. Рассматривается перспективное направление в анализе времени работы когнитивных биоэвристических алгоритмов - анализ дрейфа.