EFIS—Evolving Fuzzy Image Segmentation
Notice bibliographique
Résumé
Despite the large number of techniques proposed in recent years, accurate segmentation of digital images remains a challenging task for automated computer algorithms. Approaches based on machine learning hold particular promise in this regard, because in many applications, e.g., medical image analysis, frequent user intervention can be assumed to correct the results, thereby generating valuable feedback for algorithmic learning. In order to learn segmentation of new (unseen) images, such user feedback (correction of current or past results) seems indispensable. In this paper, we propose the formation and evolution of fuzzy rules for user-oriented environments in which feedback is captured by design. The evolving fuzzy image segmentation (EFIS) can be used to adjust the parameters of existing segmentation methods, switch between their results, or fuse their results. Specifically, we propose a single-parametric EFIS (SEFIS), apply its rule evolution to breast ultrasound images, and evaluate the results using three segmentation methods, namely, global thresholding, region growing, and statistical region merging. The results show increased accuracy across all tests and for all methods. For instance, the accuracy of statistical region merging can be improved from 59% ± 30% to 71% ± 22%. We also propose a multiparametric EFIS (MEFIS) for switching between or fusing the results of multiple segmentation methods. Preliminary results indicate that MEFIS can further increase overall segmentation accuracy. Three thresholding methods with accuracies of 62% ± 11%, 64% ± 16%, and 61% ± 9% were combined to reach an overall accuracy of 66% ± 15%. Finally, we compare our SEFIS scheme with five other thresholding methods to evaluate its overall performance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».