الأبحاث المرتبطة بالكلمة المفتاحية: أورام الدماغ

تقسيم أورام الدماغ باستخدام شبكة U-Net متعددة المقاييس مع مشفر EfficientNetB4 لتحليل الرنين المغناطيسي المحسن
Brain tumor segmentation using multi-scale attention U-Net with EfficientNetB4 encoder for enhanced MRI analysis

تقدم هذه الدراسة إطار عمل جديد لتقسيم أورام الدماغ يدمج بين شبكة U-Net متعددة المقاييس مع مشفر EfficientNetB4، بهدف تحسين دقة وكفاءة التقسيم. يستخدم النموذج توسيع EfficientNetB4 المركب لتحسين استخراج الميزات عبر دقات متعددة مع تقليل المتطلبات الحسابية. يعزز آلية الانتباه متعددة المقاييس، التي تستخدم نوى بأحجام 1 × 1، 3 × 3، و5 ×…
برامج وأصول ووظائف تعديل المناعة للخلايا النخاعية في الورم الدبقي
Programs, origins and immunomodulatory functions of myeloid cells in glioma

تبحث هذه الدراسة في الأدوار المناعية للخلايا النخاعية في الأورام الدبقية، وهي أورام دماغية عدوانية تتميز ببيئة ميكروية مثبطة للمناعة. باستخدام مزيج من تسلسل RNA أحادي الخلية، وتحليل وصول الكروماتين، والترانسكريبتوميات المكانية، ونماذج الأورام الدبقية العضوية، تحدد الدراسة أربعة برامج تعبير مناعية متميزة: اثنان فريدان للأورام الدماغية الأولية (برامج الالتهاب الميكروغليالي وبرامج الكنس) واثنان مشتركان…
نموذج هجين قابل للتفسير يعتمد على تقنيات التعلم الآلي المتقدمة ونماذج التعلم العميق لتصنيف أورام الدماغ باستخدام صور الرنين المغناطيسي
A hybrid explainable model based on advanced machine learning and deep learning models for classifying brain tumors using MRI images

تتناول هذه البحث التحدي الحاسم في تصنيف أورام الدماغ باستخدام صور الرنين المغناطيسي، مقترحة إطار عمل جديد يدمج شبكة عصبية تلافيفية خفيفة الوزن وقابلة للفصل (PDSCNN) مع آلة التعلم المتطرفة الانحدارية الهجينة (RRELM). تؤكد الدراسة على أهمية الكشف المبكر والتصنيف الدقيق للعلاج الفعال، باستخدام تعديل تكييف هيستوجرام محدود التباين (CLAHE) لتعزيز وضوح ميزات الورم في…
تحليل أورام الدماغ باستخدام التصوير بالرنين المغناطيسي المدمج مع التعلم العميق: استخراج الميزات، والتقسيم، وتوقع البقاء باستخدام الشبكات المكررة والشبكات الحجمية
Deep learning-integrated MRI brain tumor analysis: feature extraction, segmentation, and Survival Prediction using Replicator and volumetric networks

تقدم هذه الورقة البحثية نهج تعلم عميق لتجزئة الأورام الدبقية، وهي أكثر الأورام الخبيثة شيوعًا في الدماغ، وتوقع معدلات بقاء المرضى باستخدام صور الرنين المغناطيسي. تعتمد المنهجية على بنية شبكة عصبية تلافيفية ثلاثية الأبعاد (2D) تتضمن قاعدة الأغلبية لتعزيز دقة تجزئة الأورام وتقليل تحيز النموذج. بالإضافة إلى ذلك، يتم استخراج الميزات الإشعاعية من مناطق الأورام…
الذكاء الاصطناعي القابل للتفسير مع تقسيم يعتمد على UNet وتعلم الآلة البايزي لتصنيف أورام الدماغ باستخدام صور الرنين المغناطيسي
Explainable artificial intelligence with UNet based segmentation and Bayesian machine learning for classification of brain tumors using MRI images

تقدم ورقة البحث تقنية جديدة لاكتشاف أورام الدماغ (BT) في صور الرنين المغناطيسي، تُسمى XAISS-BMLBT، والتي تدمج الذكاء الاصطناعي القابل للتفسير مع التقسيم الدلالي وتعلم الآلة البايزي. إن الكشف المبكر عن أورام الدماغ يعزز بشكل كبير خيارات العلاج ومعدلات بقاء المرضى، وتهدف طريقة XAISS-BMLBT إلى تبسيط العملية الصعبة والمستهلكة للوقت لتحديد الأورام في فحوصات الرنين…
تعزيز اكتشاف أورام الدماغ في صور الرنين المغناطيسي من خلال الذكاء الاصطناعي القابل للتفسير باستخدام Grad-CAM مع Resnet 50
Enhancing brain tumor detection in MRI images through explainable AI using Grad-CAM with Resnet 50

تتناول هذه الدراسة تحدي الكشف عن أورام الدماغ في صور الرنين المغناطيسي، مع التأكيد على الحاجة إلى نماذج دقيقة وقابلة للتفسير للمهنيين في مجال الرعاية الصحية. بينما تفوقت تقنيات التعلم العميق في تحليل الصور الطبية، فإنها غالبًا ما تفتقر إلى الشفافية، حيث تعمل كـ “صناديق سوداء”. لمعالجة ذلك، تستخدم البحث نموذج ResNet50، وهو نموذج تعلم…
استخدام التعلم العميق والتعلم الانتقالي للكشف الدقيق عن أورام الدماغ
Employing deep learning and transfer learning for accurate brain tumor detection

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.…
كشف أورام الدماغ من الصور والمقارنة مع طرق التعلم بالنقل وشبكة الأعصاب التلافيفية ذات الثلاث طبقات
Brain tumor detection from images and comparison with transfer learning methods and 3-layer CNN

تتناول ورقة البحث الدور الحاسم لصحة الدماغ واستخدام التصوير بالرنين المغناطيسي (MRI) لتشخيص أورام الدماغ، والتي تشمل الورم الدبقي، والورم السحائي، وأورام الغدة النخامية. تسلط الضوء على أهمية الذكاء الاصطناعي (AI) في معالجة مجموعات البيانات الكبيرة الناتجة عن MRI، لا سيما من خلال تقنيات تصنيف الصور. تستخدم الدراسة نماذج مختلفة من الشبكات العصبية التلافيفية (CNN)،…
نموذج هجين لشبكة عصبية عميقة لتصنيف صور أورام الدماغ متعددة الفئات
A hybrid deep CNN model for brain tumor image multi-classification

تقدم ورقة البحث نهجًا جديدًا لتشخيص وتصنيف أورام الدماغ من خلال نظام تصنيف متعدد الطبقات قائم على التعلم العميق ومؤتمت بالكامل يستخدم الشبكات العصبية التلافيفية (CNNs). تُنتقد الطرق التقليدية، التي تعتمد على التقييمات النسيجية لعينات الخزعة، لكونها غازية، وتستغرق وقتًا طويلاً، وعرضة للأخطاء البشرية. لمعالجة هذه التحديات، طور المؤلفون ثلاثة نماذج CNN متميزة مصممة لمهام…