تخطى إلى المحتوى
العالِم العربي
  • الصفحة الرئيسية
  • مجالات الأبحاث
  • أحدث الأبحاث
  • عن الموقع
  • تواصل معنا
  1. الرئيسية
  2. قائمة الكلمات المفتاحية
  3. التعلم العميق

الأبحاث المرتبطة بالكلمة المفتاحية: التعلم العميق




  • تقسيم أورام الدماغ باستخدام التعلم العميق: أداء عالٍ مع تقليل بيانات التصوير بالرنين المغناطيسي

    2025 | المؤلف: Jacky Huang وآخرون | المجلة: Frontiers in Radiology | المجال: طب الأعصاب (Neurology)

    هدفت الدراسة إلى تحسين تقسيم أورام الدماغ من صور الرنين المغناطيسي من خلال استخدام نموذج تعلم عميق (DL)، وبالتحديد 3D U-Net، مع تقليل عدد تسلسلات الرنين المغناطيسي المطلوبة. باستخدام مجموعة بيانات MICCAI BraTS لعام 2018، ركزت الدراسة على تقسيم الأورام المعززة (ET) ولب الأورام (TC) مع تركيبات مختلفة من تسلسلات الرنين المغناطيسي: T1C فقط، FLAIR…


  • تعزيز توقع مخاطر السكتة الدماغية من خلال توازن الفئات وزيادة البيانات باستخدام CBDA-ResNet50

    2025 | المؤلف: Muhammad Asim Saleem وآخرون | المجلة: Scientific Reports | المجال: إدارة المعلومات الصحية (Health Information Management)

    تقدم ورقة البحث نموذج CBDA-ResNet50، وهو نهج جديد في التعلم العميق مصمم لتعزيز دقة التنبؤ بمخاطر السكتة الدماغية من خلال تحليل صور الرنين المغناطيسي للدماغ. من خلال دمج تقنيات توازن الفئات وزيادة البيانات، يعالج النموذج بفعالية التحديات مثل عدم توازن الفئات وبيانات التدريب المحدودة، والتي غالبًا ما تؤثر على موثوقية التنبؤات في التصوير الطبي. حقق…


  • شبكة عصبية تلافيفية ثلاثية الأبعاد متعددة المقاييس موجهة بالاهتمام AG-MS3D-CNN لتجزئة أورام الدماغ بشكل موثوق عبر بروتوكولات التصوير بالرنين المغناطيسي

    2025 | المؤلف: Umesh Kumar Lilhore وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تقدم البحث AG-MS3D-CNN، وهو نموذج متقدم للتعلم العميق يهدف إلى تحسين تقسيم أورام الدماغ من التصوير بالرنين المغناطيسي متعدد الأنماط. غالبًا ما تكون طرق التقسيم التقليدية يدوية وغير متسقة، مما يؤدي إلى تباين في النتائج. يعالج AG-MS3D-CNN هذه القضايا من خلال استخدام بنية متعددة المقاييس تدمج المعلومات السياقية المحلية والعالمية، وآليات الانتباه المكاني لتحسين تحديد…


  • مقارنة بين معالجة اللغة الطبيعية التقليدية ونماذج اللغة الكبيرة لتصنيف حالة الصحة النفسية: تقييم متعدد النماذج

    2025 | المؤلف: Thomas Kallstenius وآخرون | المجلة: Scientific Reports | المجال: علم النفس الاجتماعي (Social Psychology)

    تتناول هذه الدراسة الحاجة الملحة لأدوات فعالة لاكتشاف وتصنيف اضطرابات الصحة النفسية في البيئات الرقمية، من خلال مقارنة ثلاثة نهج حسابية: معالجة اللغة الطبيعية التقليدية (NLP) مع هندسة ميزات متقدمة، ونماذج اللغة الكبيرة المصممة بعناية، ونماذج اللغة الكبيرة المعدلة. باستخدام مجموعة بيانات تضم أكثر من 51,000 بيان نصي من وسائل التواصل الاجتماعي، تم وضع علامات…


  • الاستشعار عن بعد بواسطة الطائرات بدون طيار والتعلم العميق لتقييم وتحسين نسيج العمارة في القرى التقليدية

    2025 | المؤلف: Shi Yang وآخرون | المجلة: npj Heritage Science | المجال: علم الأرض (Geology)

    تعتبر النسيج المعماري للقرى التقليدية أمرًا حيويًا لعكس الثقافة الإقليمية وضمان الحفظ المستدام. ومع ذلك، غالبًا ما تفشل طرق التقييم الحالية في دمج التقييمات متعددة الأبعاد ودمج التقنيات التقليدية والحديثة، مما يحد من فعاليتها. تقدم هذه الدراسة إطارًا جديدًا يجمع بين الاستشعار عن بعد بواسطة الطائرات بدون طيار، والتعلم العميق (تحديدًا نموذج Mask R-CNN المحسن)،…


  • نهج قائم على التعلم العميق لتحليل تأثير ضرس العقل الثالث مع التصنيفات السريرية

    2025 | المؤلف: Yunus Balel وآخرون | المجلة: Scientific Reports | المجال: جراحة الفم (Oral Surgery)

    تقدم هذه الدراسة نموذج تعلم عميق مصمم للكشف التلقائي عن الأضراس الثالثة المتأثرة، مع دمج التصنيفات السريرية مثل تصنيف بيل وغريغوري، وتصنيف وينتر، ومؤشر صعوبة بيدرسون. أظهر النموذج دقة عالية ومقاييس أداء، محققًا نتائج قابلة للمقارنة مع طرق التقييم اليدوية التقليدية. يمكن أن يؤدي تنفيذ هذا النظام المدعوم بالذكاء الاصطناعي في الإعدادات السريرية إلى توفير…


  • تطوير نموذج مبتكر لاكتشاف سرطان الرئة للتشخيص الدقيق في أنظمة الرعاية الصحية المعتمدة على الذكاء الاصطناعي

    2025 | المؤلف: Jian Wang وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تقدم البحث نموذج تعلم عميق متكامل جديد، يُشار إليه باسم CNN-GRU، يهدف إلى تعزيز دقة الكشف عن سرطان الرئة (LC) ضمن أنظمة الرعاية الصحية المعتمدة على الذكاء الاصطناعي. يجمع هذا النموذج بين الشبكات العصبية التلافيفية (CNNs) لاستخراج الميزات المكانية من صور الأشعة المقطعية للرئة ووحدات التكرار المغلقة (GRUs) للتنبؤ النهائي. تعالج الشبكة العصبية التلافيفية الصور…


  • التعلم العميق لتقييم مؤشر اللويحات السنية بشكل آلي: التحقق من صحة النتائج مقابل تقييمات الخبراء

    2025 | المؤلف: Jin-Sun Jeong وآخرون | المجلة: BMC Oral Health | المجال: جراحة الفم (Oral Surgery)

    أظهر دمج الذكاء الاصطناعي (AI) في الرعاية الصحية، وخاصة في طب الأسنان، إمكانيات لتعزيز اتخاذ القرارات السريرية ودقة التشخيص. ركزت هذه الدراسة على تطوير نظام تعلم عميق (DL) للكشف التلقائي وتقدير كمية اللويحات السنية باستخدام الصور داخل الفم، مسترشدًا بمؤشر اللويحات القياسي كويغلي-هاين. تم تقييم سبعين مشاركًا، مع التقاط الصور قبل وبعد تطبيق عامل الكشف…


  • الكشف التلقائي عن امتصاص الجذر الخارجي الناتج عن تقويم الأسنان استنادًا إلى الشبكات العصبية التلافيفية العميقة باستخدام صور CBCT

    2025 | المؤلف: Shuxi Xu وآخرون | المجلة: Scientific Reports | المجال: جراحة الفم (Oral Surgery)

    تبحث الدراسة في امتصاص الجذر الخارجي الناتج عن تقويم الأسنان (OIERR)، وهو خطر شائع في علاج تقويم الأسنان، وتسعى لتعزيز تشخيصه من خلال نموذج كشف ذكي يستخدم الشبكات العصبية التلافيفية العميقة (CNNs) المطبقة على صور الأشعة المقطعية المخروطية (CBCT). تعيق طرق التشخيص التقليدية التقييمات الذاتية وتحديات القياس اليدوي. لمعالجة ذلك، استخدمت الدراسة ستة هياكل CNN…


  • تقدير الجنس المستند إلى التعلم العميق لنماذج عظام اللامي الثلاثية الأبعاد في سكان كرواتيا باستخدام شبكة PointNet++ المعدلة

    2025 | المؤلف: Ivan Jerković وآخرون | المجلة: Scientific Reports | المجال: علم الآثار (Archeology)

    تستكشف هذه الدراسة منهجية تعلم عميق لتقدير الجنس بناءً على نماذج ثلاثية الأبعاد لعظم اللامي، باستخدام مسحات الأشعة المقطعية (CT) من سكان كرواتيا. تم تحليل ما مجموعه 202 عينة من عظم اللامي (101 ذكر و101 أنثى)، حيث تم تحويل الشبكات المستمدة من الأشعة المقطعية إلى سحب نقطية مكونة من 2048 نقطة لمعالجتها من خلال شبكة…


←السابق
1 … 29 30 31 32 33 … 74
التالي→

حقوق النشر © 2026 العالِم العربي. جميع الحقوق محفوظة. موقع العالِم العربي غير مسؤول عن محتوى المواقع الخارجية.