الأبحاث المرتبطة بالكلمة المفتاحية: شبكات عصبية، حاسوبية
-
استكشاف نماذج RSM وANN وANFIS لامتصاص صبغة الميثيلين الأزرق باستخدام الكتلة الحيوية من قش الأرز: نهج مقارن
An exploration of RSM, ANN, and ANFIS models for methylene blue dye adsorption using Oryza sativa straw biomass: a comparative approachتدرس هذه الدراسة فصل صبغة الميثيلين الأزرق (MB) المعتمد على الامتزاز باستخدام الكتلة الحيوية من قش الأرز (OSSB) من خلال ثلاثة أساليب نمذجة: الشبكات العصبية الاصطناعية (ANN)، وأنظمة الاستدلال العصبي الضبابي التكيفية (ANFIS)، ومنهجية سطح الاستجابة (RSM). تم إجراء توصيف لـ OSSB باستخدام مطياف الأشعة تحت الحمراء بتحويل فورييه (FTIR) والمجهر الإلكتروني الماسح (SEM). تم…
-
نموذج هجين قابل للتفسير يعتمد على تقنيات التعلم الآلي المتقدمة ونماذج التعلم العميق لتصنيف أورام الدماغ باستخدام صور الرنين المغناطيسي
A hybrid explainable model based on advanced machine learning and deep learning models for classifying brain tumors using MRI imagesتتناول هذه البحث التحدي الحاسم في تصنيف أورام الدماغ باستخدام صور الرنين المغناطيسي، مقترحة إطار عمل جديد يدمج شبكة عصبية تلافيفية خفيفة الوزن وقابلة للفصل (PDSCNN) مع آلة التعلم المتطرفة الانحدارية الهجينة (RRELM). تؤكد الدراسة على أهمية الكشف المبكر والتصنيف الدقيق للعلاج الفعال، باستخدام تعديل تكييف هيستوجرام محدود التباين (CLAHE) لتعزيز وضوح ميزات الورم في…
-
تحليل أورام الدماغ باستخدام التصوير بالرنين المغناطيسي المدمج مع التعلم العميق: استخراج الميزات، والتقسيم، وتوقع البقاء باستخدام الشبكات المكررة والشبكات الحجمية
Deep learning-integrated MRI brain tumor analysis: feature extraction, segmentation, and Survival Prediction using Replicator and volumetric networksتقدم هذه الورقة البحثية نهج تعلم عميق لتجزئة الأورام الدبقية، وهي أكثر الأورام الخبيثة شيوعًا في الدماغ، وتوقع معدلات بقاء المرضى باستخدام صور الرنين المغناطيسي. تعتمد المنهجية على بنية شبكة عصبية تلافيفية ثلاثية الأبعاد (2D) تتضمن قاعدة الأغلبية لتعزيز دقة تجزئة الأورام وتقليل تحيز النموذج. بالإضافة إلى ذلك، يتم استخراج الميزات الإشعاعية من مناطق الأورام…
-
تعزيز تصنيف أمراض القلب استنادًا إلى خوارزمية تحسين الإوز الرمادي وذاكرة المدى الطويل والقصير
Enhancing heart disease classification based on greylag goose optimization algorithm and long short-term memoryتقدم هذه الدراسة خوارزمية تحسين الإوز الرمادي (GGO) التي تهدف إلى تعزيز دقة تصنيف أمراض القلب. تشمل أمراض القلب حالات مختلفة تؤثر على هيكل القلب ووظيفته، بما في ذلك مرض الشريان التاجي، وعدم انتظام ضربات القلب، واعتلال عضلة القلب. تستخدم الدراسة نسخة ثنائية من GGO (bGGO) لاختيار الميزات، مع تقييمها مقابل ستة خوارزميات تحسين ثنائية…
-
نموذج هجين من CNN-Bi-LSTM مع دمج الميزات للكشف الدقيق عن نوبات الصرع
A hybrid CNN-Bi-LSTM model with feature fusion for accurate epilepsy seizure detectionتتناول الأبحاث الحاجة الملحة لطرق فعالة لاكتشاف النوبات في إدارة الصرع، مقترحة نهج هجين جديد للتعلم العميق يدمج دمج الميزات من أجل دقة محسنة. تستخدم المنهجية تحويل الموجات المتقطعة (DWT) لتفكيك إشارات EEG على خمسة مستويات، مستخرجة ميزات الوقت-التردد وغير الخطية. لتحسين اختيار الميزات، يتم استخدام آلة الدعم المتجهة-إزالة الميزات التكرارية (SVM-RFE)، تليها التصنيف باستخدام…
-
توقع وفيات أمراض القلب والأوعية الدموية باستخدام الشبكات العصبية الاصطناعية في السند، باكستان
Forecasting cardiovascular disease mortality using artificial neural networks in Sindh, Pakistanتتناول هذه الدراسة الزيادة المتزايدة في حالات وفيات أمراض القلب والأوعية الدموية (CVD) في محافظة السند في باكستان، باستخدام مجموعة بيانات زمنية من 1999 إلى 2021 مأخوذة من مستشفى مدني في نوابشاه. تستخدم البحث نماذج السلاسل الزمنية التقليدية – نايف، هولت-وينترز، والتنعيم الأسي البسيط (SES) – وتقارن أدائها مع نهج التعلم الآلي، نموذج الشبكة العصبية…
-
الذكاء الاصطناعي القابل للتفسير مع تقسيم يعتمد على UNet وتعلم الآلة البايزي لتصنيف أورام الدماغ باستخدام صور الرنين المغناطيسي
Explainable artificial intelligence with UNet based segmentation and Bayesian machine learning for classification of brain tumors using MRI imagesتقدم ورقة البحث تقنية جديدة لاكتشاف أورام الدماغ (BT) في صور الرنين المغناطيسي، تُسمى XAISS-BMLBT، والتي تدمج الذكاء الاصطناعي القابل للتفسير مع التقسيم الدلالي وتعلم الآلة البايزي. إن الكشف المبكر عن أورام الدماغ يعزز بشكل كبير خيارات العلاج ومعدلات بقاء المرضى، وتهدف طريقة XAISS-BMLBT إلى تبسيط العملية الصعبة والمستهلكة للوقت لتحديد الأورام في فحوصات الرنين…
-
تقسيم الأسنان بالأشعة السينية تلقائيًا مع الانتباه المجموع
Automatic X-ray teeth segmentation with grouped attentionتقدم البحث شبكة الانتباه المجمعة ودمج الطبقات المتقاطعة (GCNet)، وهو نموذج جديد مصمم لتقسيم الأشعة السينية للأسنان، حيث يتناول التحديات مثل حجم مجموعات البيانات الصغيرة، واهتمامات خصوصية المرضى، وتداخل الضوضاء. يتضمن النموذج مكونين رئيسيين: وحدات الانتباه العالمي المجمعة (GGA)، التي تلتقط وتنظم بفعالية ميزات القوام والملامح، ووحدات دمج الطبقات المتقاطعة (CLF)، التي تدمج هذه الميزات…
-
مقاييس التقييم والاختبارات الإحصائية لتعلم الآلة
Evaluation metrics and statistical tests for machine learningفي هذا القسم، يقدم المؤلفون نظرة شاملة على مقاييس التقييم المصممة لمهام التعلم الآلي (ML) المختلفة، بما في ذلك التصنيف الثنائي والمتعدد الفئات، والانحدار، وتقسيم الصور، واكتشاف الكائنات. يؤكدون على أهمية الاختبار الإحصائي لتحديد ما إذا كانت الفروق الملحوظة في قيم المقاييس بين النماذج ذات دلالة إحصائية أم أنها مجرد نتيجة للصدفة. يعتمد اختيار الاختبارات…
-
وجهة نظر جديدة تعتمد على التعلم العميق لرقم الأسنان واكتشاف التسوس
A novel deep learning-based perspective for tooth numbering and caries detectionهدفت الدراسة إلى أتمتة الكشف عن الأسنان وترقيمها في الأشعة الرقمية للعضة بينما يتم تقييم الكفاءة التشخيصية للأسنان المتسوسة باستخدام خوارزميات التعلم العميق. تم استخدام مجموعة بيانات تتكون من 1,170 صورة أشعة مجهولة الهوية، والتي خضعت لعملية تسمية قبل تقسيمها إلى مجموعات تدريب واختبار. شملت عملية العمل المقترحة ثلاث مراحل: أولاً، تم استخدام شبكة عصبية…