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

الأبحاث المرتبطة بالكلمة المفتاحية: تقسيم




  • تصنيف مرض الزهايمر باستخدام نهج تعلم عميق هجين مع تقسيم U-net متعدد الطبقات وتحليل مدفوع بالذكاء الاصطناعي

    2025 | المؤلف: Zhenyun Du وآخرون | المجلة: PLoS ONE | المجال: إدارة المعلومات الصحية (Health Information Management)

    تقدم ورقة البحث نهجًا جديدًا لتصنيف مرض الزهايمر (AD) باستخدام تقنيات التعلم العميق المتقدمة، وبشكل خاص نموذج هجين يدمج نموذج U-Net متعدد الطبقات للتجزئة ونموذج EfficientNet متعدد المقاييس مع آلة الدعم الناقل (SVM) للتصنيف. تتكون المنهجية من أربع مراحل: تجزئة الدماغ بالكامل، تجزئة المادة الرمادية، استخراج الميزات، وتطبيق تقنيات الذكاء الاصطناعي القابل للتفسير (XAI) لتعزيز…


  • إطار عمل ونموذج مفتوح قائم على التعلم العميق لتجزئة الأسنان في التصوير المقطعي المحوسب للأسنان

    2025 | المؤلف: You Zhou وآخرون | المجلة: Clinical Oral Investigations | المجال: جراحة الفم (Oral Surgery)

    تقدم البحث تطوير نموذج تعلم عميق، OralSeg، يهدف إلى تحسين دقة وإمكانية الوصول إلى تقسيم مستوى الأسنان في صور الأشعة المقطعية المخروطية (CBCT). لتحقيق ذلك، أنشأ المؤلفون مجموعة بيانات موضحة بكثافة تشمل 35 هيكلاً تشريحياً فموياً رئيسياً واستخدموا بنية UNetR، التي تدمج محول Swin ووحدة Mamba المكانية لتحسين دمج الميزات المتبقية متعددة المقاييس. تم تحسين…


  • تطوير أداة تقييم الجروح مدعومة بالذكاء الاصطناعي: نهج منهجي لجمع البيانات وتحسين النموذج

    2025 | المؤلف: Alessio Stefanelli وآخرون | المجلة: BMC Medical Informatics and Decision Making | المجال: العلاج الوظيفي (Occupational Therapy)

    تتناول الدراسة التحدي الكبير للجروح المزمنة (CWs) في الرعاية الصحية، والتي غالبًا ما تتفاقم بسبب التقييم غير الكافي من قبل المتخصصين في الرعاية الصحية (HCPs) بسبب التدريب المحدود والأعباء العالية. للتخفيف من هذه المشكلات، طور الباحثون أداة تقييم جروح مدعومة بالذكاء الاصطناعي (AI) مدمجة في تطبيق موبايل. تم إجراء دراسة رصدية متعددة المراكز في غرب…


  • تحسين تقسيم أورام الدماغ في صور الرنين المغناطيسي باستخدام U-Net والتعلم الانتقالي

    2025 | المؤلف: Amin Pourmahboubi وآخرون | المجلة: BMC Medical Imaging | المجال: طب الأعصاب (Neurology)

    يتناول القسم أهمية تقسيم أورام الدماغ تلقائيًا من صور الرنين المغناطيسي، مشددًا على دوره الحاسم في الممارسة السريرية لتعريف حدود الورم، ومراقبة تقدم المرض، وتخطيط العلاج. بينما يُعتبر التقسيم اليدوي من قبل أطباء الأشعة هو المعيار الذهبي، إلا أنه يستغرق وقتًا طويلاً ويخضع للتفاوت، مما يبرز الحاجة إلى طرق تلقائية موثوقة. تعقيد الأورام، التي يمكن…


  • إطار عمل متتابع لتفسير أورام الدماغ باستخدام متغيرات

    2025 | المؤلف: S. Priyadharshini وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    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…


  • التقسيم الدلالي لمواد وألوان واجهات المباني للحفاظ الحضري

    2025 | المؤلف: Zhenyun Du وآخرون | المجلة: npj Heritage Science | المجال: الفيزياء الذرية والجزيئية والبصريات (Atomic and Molecular Physics, and Optics)

    تؤكد هذه القسم من ورقة البحث على أهمية مواد واجهات المباني في سياق التراث الثقافي والحفاظ على المدن. يقدم منهجية آلية لتحديد المواد واستخراج الميزات، مع معالجة قيود التحليل اليدوي التقليدي. يقدم المؤلفون قاعدة بيانات تقسيم مواد واجهة المبنى (BFMS)، التي تعزز مجموعات البيانات السابقة من خلال التوافق مع المعايير المعمارية ودمج مجموعة أوسع من…


  • نهج هجين جديد للتعلم العميق يجمع بين انتباه الميزات العميقة والتحقق الإحصائي لتحسين تقسيم الموجات فوق الصوتية للغدة الدرقية

    2025 | المؤلف: Tathagat Banerjee وآخرون | المجلة: Scientific Reports | المجال: الغدد الصماء والسكري والتمثيل الغذائي (Endocrinology, Diabetes and Metabolism)

    تقدم البحث TATHA، وهو هيكل جديد للتعلم العميق مصمم لتعزيز دقة تقسيم العقيدات الدرقية في تصوير الموجات فوق الصوتية. على الرغم من التقدم في تقنيات التصوير، لا تزال التحديات التقليدية مثل الضوضاء، والتباين المحدود، واعتماد المشغل قائمة، مما يستلزم حلولاً آلية. تم تقييم TATHA باستخدام قاعدة بيانات رقمية تضم 134 صورة مصنفة من 99 حالة،…


  • الذكاء الاصطناعي التوليدي يمكّن تقسيم الصور الطبية في أنظمة البيانات المنخفضة للغاية

    2025 | المؤلف: Li Zhang وآخرون | المجلة: Nature Communications | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

    تناقش هذه الفقرة الدور الحاسم للتقسيم الدلالي في التصوير الطبي، خاصةً لتشخيص الأمراض وتخطيط العلاج. بينما حقق التعلم العميق تقدمًا كبيرًا في هذا المجال، فإنه يواجه تحديات في أنظمة البيانات المنخفضة للغاية بسبب التوافر المحدود لأقنعة التقسيم المعلّمة. للتخفيف من هذه المشكلة، يقترح المؤلفون إطار عمل للتعلم العميق التوليدي الذي ينشئ أزواج صور-أقنعة عالية الجودة…


  • 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…


  • 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…


←السابق
1 … 7 8 9 10 11 … 17
التالي→

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