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




  • تحسين اكتشاف سرطان الرئة غير صغير الخلايا باستخدام الشبكات العصبية التلافيفية والتعزيز التفاضلي

    2025 | المؤلف: Vahiduddin Shariff وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تتناول الدراسة القضية الحرجة لاكتشاف سرطان الرئة، الذي لا يزال سببًا رئيسيًا للوفيات المرتبطة بالسرطان على مستوى العالم. وتبرز أهمية الكشف المبكر وتقترح نهجًا جديدًا يدمج التعزيز التفاضلي (DA) مع الشبكات العصبية التلافيفية (CNNs) للتخفيف من مشكلة الإفراط في التكيف—وهي تحدي شائع يؤثر على تعميم النموذج على البيانات غير المرئية. من خلال استخدام تقنيات تعزيز…


  • نموذج التعلم العميق الهجين CNN-LSTM لتوقع الإشعاع الشمسي المباشر: دراسة عن الإمكانات الشمسية في غرداية، الجزائر

    2025 | المؤلف: Boumediene Ladjal وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تقدم هذه الورقة البحثية تقييمًا شاملاً لأربعة نماذج لتوقع إشعاع الشمس (SR)، مع التركيز على أدائها خلال فترات التنبؤ القصيرة إلى المتوسطة. تشمل النماذج التي تم تحليلها نموذج التغذية الأمامية مع الانتشار العكسي (FFBP)، ونموذج التغذية الأمامية الالتفافية مع الانتشار العكسي (CFBP)، والانحدار باستخدام دعم المتجهات (SVR)، ونموذج التعلم العميق الهجين الذي يدمج الشبكات العصبية…


  • تحليل مدعوم بالتعلم العميق لتتبع الجسيمات الفردية من أجل الارتباط الآلي بين الانتشار والوظيفة

    2025 | المؤلف: Jacob Kæstel‐Hansen وآخرون | المجلة: Nature Methods | المجال: الفيزياء الحيوية (Biophysics)

    يقدم هذا القسم نظرة عامة على إطار عمل جديد للتعلم العميق، DeepSPT، مصمم لتحليل الانتشار تحت الخلوي في الأنظمة الحية. يتناول هذا الإطار التحديات المرتبطة بالعملية الشاقة لاستخراج المعلومات الوظيفية من انتشار الجزيئات والعضيات على النانو. لقد مكنت التقدمات الأخيرة في المجهر الضوئي من تتبع هذا الانتشار بدقة، لكن التفسير الآلي لا يزال عقبة كبيرة.…


  • إطار عمل تعلم عميق هجيني للكشف المبكر عن اعتلال الشبكية السكري باستخدام صور قاع العين

    2025 | المؤلف: Mishmala Sushith وآخرون | المجلة: Scientific Reports | المجال: الأشعة والطب النووي والتصوير الطبي (Radiology, Nuclear Medicine and Imaging)

    تقدم البحث نموذجًا جديدًا للتعلم العميق الهجين المدرك للزمان (TAHDL) مصممًا للكشف المبكر ومراقبة اعتلال الشبكية السكري (DR) باستخدام صور قاع العين. يدمج هذا الإطار الشبكات العصبية التلافيفية (CNNs) لاستخراج الميزات المكانية والشبكات العصبية المتكررة (RNNs) مع آلية الانتباه لالتقاط الاعتماديات الزمنية عبر مسحات الشبكية المتعددة. من خلال الاستفادة من الطبيعة التسلسلية لتقدم المرض، يعزز…


  • الكشف عن أورام الدماغ المدعوم بأساليب التعلم العميق الجماعي من صور مسح الرنين المغناطيسي

    2025 | المؤلف: Rizwana Naz Asif وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تبحث هذه الدراسة في تقنية جديدة للذكاء الاصطناعي (AI) لاكتشاف وتصنيف أورام الدماغ باستخدام صور الرنين المغناطيسي، مع التركيز بشكل خاص على أربعة أنواع: ورم الغدة النخامية، ورم السحايا، ورم الدبقيات، والعادي. تتناول الدراسة قيود أساليب الذكاء الاصطناعي الحالية، التي غالبًا ما تعاني من الدقة والموثوقية. من خلال استخدام نموذج تعلم عميق جماعي يدمج بين…


  • التعرف على الأسنان ثلاثي الأبعاد لطب الأسنان الشرعي باستخدام التعلم العميق

    2025 | المؤلف: Hamza Mouncif وآخرون | المجلة: BMC Oral Health | المجال: جراحة الفم (Oral Surgery)

    تصنيف هياكل الأسنان داخل الفم أمر ضروري في التحليل السني وطب الأسنان الشرعي، ومع ذلك فإن طرق التصوير التقليدية ثنائية الأبعاد غالبًا ما تفتقر إلى الدقة بسبب الطبيعة ثلاثية الأبعاد المعقدة لتشريح الأسنان. تقدم هذه الدراسة نهجًا جديدًا يستخرج الميزات الرئيسية من نماذج الأسنان ثلاثية الأبعاد ويحولها إلى صور ثنائية الأبعاد للتحليل التفصيلي. من خلال…


  • نموذج تصوير طبي متعدد الوسائط قائم على التعلم العميق لفحص سرطان الثدي

    2025 | المؤلف: Junwei Chen وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تبحث الدراسة في فعالية نموذج متعدد الوسائط لتوقع سرطان الثدي الذي يدمج صور الماموجرام (DM) والأشعة فوق الصوتية (US)، مقارناً أدائه بالنماذج أحادية الوسائط. باستخدام مجموعة بيانات تضم 790 مريضاً، تتكون من 2,235 صورة ماموجرام و1,348 صورة أشعة فوق صوتية، استخدمت الدراسة ستة نماذج تصنيف تعتمد على التعلم العميق. تم استخدام مقاييس الأداء، بما في…


  • تحليل مقارن للكشف الآلي عن الأخطاء في كرة القدم باستخدام هياكل التعلم العميق

    2025 | المؤلف: Abdallah Rabee وآخرون | المجلة: Scientific Reports | المجال: جراحة العظام وطب الرياضة (Orthopedics and Sports Medicine)

    تقيّم هذه الدراسة أداء ثمانية هياكل متقدمة من التعلم العميق (DL) – EfficientNetV2 و ResNet50 و VGG16 و Xception و InceptionV3 و MobileNetV2 و InceptionResNetV2 و DenseNet121 – في سياق الكشف التلقائي عن الأخطاء في كرة القدم. باستخدام مجموعة بيانات تتكون من 7000 صورة، تم تدريب النماذج واختبارها باستخدام مجموعة اختبار متوازنة من 700 صورة،…


  • نموذج تجميعي قائم على التعلم العميق لتصنيف أمراض أوراق الطماطم بدقة من خلال الاستفادة من هياكل ResNet50 وMobileNetV2

    2025 | المؤلف: Jatin Sharma وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    تقدم هذه الدراسة نموذجًا قائمًا على التعلم العميق لتصنيف أمراض أوراق الطماطم، يجمع بين هياكل MobileNetV2 و ResNet50. تم تدريب النموذج على مجموعة بيانات تحتوي على 11,000 صورة موضحة تمثل عشرة فئات من الأمراض، محققًا دقة اختبار مثيرة للإعجاب تبلغ 99.91%. التحسينات التي أُدخلت على النماذج، بما في ذلك استخدام GlobalAverage Pooling2D، وBatch Normalization، وDropout،…


  • التعرف الفعال على أنشطة الإنسان على الأجهزة الطرفية باستخدام هياكل

    2025 | المؤلف: Haotian Zhou وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

    يتناول هذا القسم من ورقة البحث نشر نماذج التعلم العميق الخفيفة للتعرف على أنشطة الإنسان (HAR) على الأجهزة ذات الموارد المحدودة باستخدام TinyML، مدفوعة بالتطورات في إنترنت الأشياء (IoT). صمم المؤلفون وقيموا ثلاثة نماذج: شبكة عصبية تلافيفية ثنائية الأبعاد (2D CNN)، شبكة عصبية تلافيفية أحادية الأبعاد (1D CNN)، وDeepConv LSTM. أظهرت DeepConv LSTM أداءً متفوقًا،…


←السابق
1 … 55 56 57 58 59 … 94
التالي→

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