تقدم البحث إطار عمل جديد لتحويل الرؤية (ViT) معززًا بمنهجية الانتباه متعدد المقاييس الهرمي (HMSA) للكشف التلقائي وتصنيف أورام الدماغ، وخاصةً الدبقية، والورم السحائي، والورم الغدي النخامي، وأنسجة الدماغ السليمة. تشمل الابتكارات الرئيسية استراتيجية تضمين رقع متعددة الدقة تسهل استخراج الميزات على مقاييس مكانية مختلفة (8×8، 16×16، و32×32 رقعة)، وهندسة محول محسنة حسابيًا تقلل من…

تقدم البحث نموذج تعلم عميق هجين لتصنيف أورام الدماغ (BTC) باستخدام التصوير بالرنين المغناطيسي (MRI)، مدمجًا VGG16، وآلية انتباه، ومعلمات محسّنة. يصنف هذا النموذج الأورام إلى ورم دبقي، ورم سحائي، ورم في الغدة النخامية، وعدم وجود ورم، محققًا دقة ملحوظة تبلغ 99% على مجموعة بيانات تتكون من 7023 صورة MRI. تستخدم الطريقة تقنيات معالجة مسبقة…

تقدم ورقة البحث إطارًا جديدًا لتحديد وتقسيم أورام الدماغ في التصوير بالرنين المغناطيسي (MRI) باستخدام تقنيات التعلم العميق المتقدمة. مع الاعتراف بالتحديات التي يواجهها المتخصصون الطبيون في تقييم صور الرنين المغناطيسي يدويًا بسبب قيود الوقت والتباين، تقيم الدراسة أداء YOLOv9 و YOLOv10 و YOLOv11 على مجموعة بيانات أورام الدماغ من Figshare ومجموعة بيانات BraTS2020. تشمل…

تقدم ورقة البحث نموذجًا هجينًا جديدًا، يسمى DenseTransformer، يهدف إلى تعزيز دقة تصنيف أورام الدماغ باستخدام التصوير بالرنين المغناطيسي (MRI). يدمج النموذج ميزات من شبكة DenseNet201 العصبية التلافيفية المدربة مسبقًا مع بنية Transformer، مع استخدام خاص لآليات الانتباه الذاتي متعدد الرؤوس (MHSA) وكتل الانتباه للضغط والإثارة (SEA). تتناول هذه الطريقة التحديات المتعلقة بكثافة الحساب، واكتشاف…

يتناول هذا القسم من ورقة البحث الدور الحاسم للكشف الدقيق في العلاج الفعال لأورام الدماغ، مشددًا على أهمية التصوير الطبي للتشخيص المبكر. يقدم البحث نهجين مبتكرين للكشف عن الأورام: الأول يجمع بين معالجة الصور، ومحولات الرؤية (ViT)، وخوارزميات التعلم الآلي لتحليل الصور الطبية، محققًا دقة تصل إلى 98.17%. النهج الثاني يستخدم تقنية دمج النماذج المتوازية…