تبحث الدراسة في تطبيق هياكل التعلم العميق للنقل لتصنيف أورام الدماغ باستخدام صور الرنين المغناطيسي (MRI). تقيم أربعة نماذج—ResNet152 و VGG19 و DenseNet169 و MobileNetv3—على مجموعة بيانات مأخوذة من كاجل، باستخدام تقنية التحقق المتقاطع بخمسة طيات وتقنيات تحسين الصور لمعالجة عدم توازن مجموعة البيانات عبر أربع فئات من الأورام: الغدة النخامية، الطبيعية، السحائية، والورم الدبقي.…

تبحث هذه الدراسة في تطبيق وحدات التكرار المحكومة بالانتباه (A-GRU) للكشف التلقائي عن أورام الدماغ باستخدام بيانات التصوير بالرنين المغناطيسي. نموذج A-GRU يلتقط بفعالية الأنماط التسلسلية والمعلومات المكانية، مما يعزز دقة الكشف عن الأورام إلى 99.32%. من خلال دمج آليات الانتباه، يبرز النموذج الميزات الحرجة التي تؤثر على قراراته، مما يعالج مخاوف القابلية للتفسير المرتبطة…

تقدم هذه الورقة البحثية نموذج تعلم عميق هجين جديد يدمج بين YOLOv5 و ResNet50 لتصنيف وتقييم الأورام الدبقية، وهي أورام دماغية أولية تنشأ من خلايا الدبق. يهدف النموذج إلى تعزيز علم الأمراض الرقمية من خلال تحديد وتصنيف الأورام بشكل فعال ضمن صور الشرائح النسيجية الكبيرة (WSIs). من خلال دمج ResNet50 في إطار عمل YOLOv5 لاستخراج…

تقدم ورقة البحث TransXAI، وهو نموذج هجين جديد يجمع بين محولات الرؤية والشبكات العصبية التلافيفية (CNNs) لتجزئة الأورام الدبقية في مسح التصوير بالرنين المغناطيسي متعدد الوسائط (MRI). إن التحديد الدقيق للأورام الدبقية أمر حاسم للتدخلات الجراحية العصبية، ومع ذلك، غالبًا ما تعمل نماذج التعلم العميق الحالية كـ “صناديق سوداء”، مما يحد من قابليتها للاستخدام السريري.…