تتناول هذه الدراسة التحدي الحاسم لضمان خصوصية البيانات في تصنيف الصور الطبية، لا سيما في سياق التشخيص المدعوم بالذكاء الاصطناعي، حيث واجه أكثر من 30% من منظمات الرعاية الصحية خروقات للبيانات. تستكشف الدراسة دمج التعلم الانتقالي والتعلم الفيدرالي لتطوير إطار عمل يحافظ على الخصوصية لتصنيف الصور الطبية، باستخدام GoogLeNet و VGG16 كنماذج أساسية. أظهرت هذه…

تقدم البحث نموذج هجين جديد لاكتشاف سرطان الثدي يجمع بين الشبكات العصبية التلافيفية (CNNs) وشبكات الذاكرة طويلة وقصيرة المدى ثنائية الاتجاه (Bi-LSTM) وهيكل EfficientNet-B0 المدرب مسبقًا. من خلال الاستفادة من EfficientNet-B0، الذي تم تدريبه على مجموعة بيانات ImageNet الواسعة، يستفيد النموذج من التعلم الانتقالي، مما يسمح باستخراج ميزات أكثر فعالية من الصور الماموجرافية مقارنةً بالشبكات…