Ein Ansatz zur Segmentierung von Melanomhautkrebs mit dem Bat-Optimierungsalgorithmus

ZUSAMMENFASSUNG Zahlreiche Fortschritte und erhebliche Entwicklungen wurden in computerbasierten Methoden für medizinische Anwendungen sowie in technologischen Entwicklungen erzielt. Die automatische Bildanalyse spielt eine entscheidende Rolle im Bereich der medizinischen Diagnose und Therapie. Jüngste Durchbrüche, insbesondere im Bereich der medizinischen Bildverarbeitung, haben die automatische Erkennung verschiedener Merkmale, Veränderungen, Krankheiten und degenerativer Zustände mittels Hautscans ermöglicht. Die Anwendung von Bildverarbeitungsmethoden ist bei der Analyse von Hautbildern entscheidend für die Identifizierung und Überwachung von Erkrankungen, die sich durch Veränderungen der Hautstruktur äußern. Besonders die genaue Segmentierung von krebsartigen Regionen vom Hintergrund bleibt eine herausfordernde Aufgabe im Bereich der Melanom-Bildanalyse. Das Hauptziel dieser Studie besteht darin, eine außergewöhnliche Präzision bei der Abgrenzung der Melanomgrenzen zu erreichen. Mithilfe des Bat-Optimierungsalgorithmus bestimmen wir den optimalen Schwellenwert für die Segmentierung von Melanomhautkrebs und identifizieren so die genauesten Grenzen der krebserkrankten Bereiche. Zur Bewertung der Ergebnisse werden Standardmetriken wie Genauigkeit, Sensitivität, Spezifität, Dice-Koeffizient und F1-Score verwendet. In dieser Studie haben wir den Bat-Optimierungsalgorithmus angewendet, um den optimalen Schwellenwert für die Segmentierung von Melanomhautkrebs zu bestimmen und die genauesten Grenzen der krebserkrankten Bereiche effektiv zu identifizieren. Zur Ergebnisbewertung haben wir Standardmetriken einschließlich Genauigkeit, Sensitivität, Spezifität, Dice-Koeffizient und F1-Score verwendet, die beeindruckende Werte von 99,8 %, 98,99 %, 98,87 %, 98,45 % und 98,24 % lieferten.