الأبحاث المرتبطة بالكلمة المفتاحية: شبكة عصبية اصطناعية
-
إطار هجين لاكتشاف وتصنيف أمراض أوراق النباتات باستخدام الشبكات العصبية التلافيفية ومحولات الرؤية
A hybrid Framework for plant leaf disease detection and classification using convolutional neural networks and vision transformerتقدم هذه الورقة البحثية إطارًا هجينًا يدمج الشبكات العصبية التلافيفية (CNNs) ومحولات الرؤية (ViT) لتعزيز الكشف وتصنيف أمراض أوراق النباتات. يستخدم النموذج مجموعة من ثلاث هياكل CNN مدربة مسبقًا—VGG16 وInception-V3 وDenseNet201—لاستخراج ميزات عالمية قوية من صور الأوراق. بعد ذلك، يتم استخدام نموذج ViT لالتقاط الميزات المحلية، مما يسهل الكشف الدقيق عن الأمراض. تم تقييم الإطار…
-
تحسين السوائل النانوية الهجينة الثلاثية باستخدام الشبكات العصبية، وبرمجة التعبير الجيني، وتحسين سرب الجسيمات متعدد الأهداف: استراتيجية الذكاء الحسابي
Optimizing ternary hybrid nanofluids using neural networks, gene expression programming, and multi-objective particle swarm optimization: a computational intelligence strategyتبحث هذه الدراسة في تحسين الخصائص الحرارية الفيزيائية للسوائل النانوية الهجينة الثلاثية (THNFs) لتعزيز أدائها، مع التركيز على تقليل اللزوجة الديناميكية (DV) وزيادة الموصلية الحرارية (TC). تم اقتراح استراتيجية هجينة للذكاء الحسابي، تدمج بين التعلم الآلي، والتحسين متعدد الأهداف (MOO)، وتقنيات اتخاذ القرار متعددة المعايير (MCDM). تستخدم الدراسة ثلاث طرق للتعلم الآلي—شبكة عصبية من نوع…
-
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…
-
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…