利用增强版乌鸦搜索算法、Zernike 矩和支持向量机优化肺部肿瘤诊断系统。

肺部肿瘤的早期检测对治愈这种疾病至关重要。这种疾病的自动计算机辅助检测是减少人为错误和提高检测精度的好方法。本文的主要概念是提出肺部肿瘤检测的最佳计算机辅助诊断系统。在提出的技术中，在对肺部区域进行预处理和分割后，提取了包括不同阶次 Zernike 矩在内的肺部特征。提取特征后，将其注入支持向量机（SVM）的优化版本，以进行最终诊断。SVM 的优化基于乌鸦搜索算法 (ECSA) 的增强设计。为了验证所提出的方法，将其应用于三个数据集，包括肺部 CT 诊断、TCIA 和 RIDER 肺部 CT 采集，并通过与三种最先进的方法（包括 Walwalker 方法、Mon 方法和 Naik 方法）进行比较来验证结果，以表明系统优于所比较的方法。此外，还根据 Zernike 矩的不同阶数对系统进行了分析，以选择最佳阶数。最终结果表明，所建议的方法在诊断肺癌方面具有适当的准确性。