在生物医学领域，磁共振成像（MRI）分割是对于治疗或预防疾病非常重要。对快速的需求医学诊断需要处理和高精度的结果。这可能是通过使用计算智能（CoIn）进行数据处理来解决。CoIn可以是通过使用诸如模糊逻辑、遗传算法等众所周知的技术来实现，进化算法和神经网络。计算复杂性医学图像分割依赖于数据的特征以及合适的算法。CoIn方法的选择对于更好地分割医学图像，因为每种算法都优于不同的医学图像数据设置。混合CoIn（H-CoIn）是克服以下问题的解决方案之一医学图像分割中的个别算法。H-CoIn是两个或多个智能算法（如模糊逻辑、进化算法和神经网络）。个人智能算法的缺点可能是通过使用H-CoIn克服。在医学图像分割过程中，两个或多个需要为H-CoIn优化变量或目标。这个问题可以通过以下方式解决使用多目标优化技术，其中同时最小化或可以执行最大化。在本章中，各种CoIn算法详细讨论了医学图像分割和与最先进的技术相比。H-Coin算法在一个大型医学数据集中实现，准确率达到98.89%。此外，H-Coin算法是可靠的，适用于克服观测器之间和观测器内部的可变性。
关键词： 进化算法,混合计算智能,核磁共振成像,细分。
