الأبحاث المرتبطة بالكلمة المفتاحية: شبكة عصبية تلافيفية

تحسين اكتشاف سرطان الرئة غير صغير الخلايا باستخدام الشبكات العصبية التلافيفية والتعزيز التفاضلي
Optimizing non small cell lung cancer detection with convolutional neural networks and differential augmentation

تتناول الدراسة القضية الحرجة لاكتشاف سرطان الرئة، الذي لا يزال سببًا رئيسيًا للوفيات المرتبطة بالسرطان على مستوى العالم. وتبرز أهمية الكشف المبكر وتقترح نهجًا جديدًا يدمج التعزيز التفاضلي (DA) مع الشبكات العصبية التلافيفية (CNNs) للتخفيف من مشكلة الإفراط في التكيف—وهي تحدي شائع يؤثر على تعميم النموذج على البيانات غير المرئية. من خلال استخدام تقنيات تعزيز…
كشف تسوس الأسنان تحت التعويضات السنية الثابتة من خلال تحليل الأشعة السينية البانورامية الرقمية باستخدام خوارزميات الذكاء الاصطناعي المعتمدة على طرق التعلم العميق
Detection of dental caries under fixed dental prostheses by analyzing digital panoramic radiographs with artificial intelligence algorithms based on deep learning methods

تستكشف هذه الدراسة فعالية نماذج الشبكات العصبية التلافيفية (CNN)، وتحديداً إطار عمل “يو فقط انظر مرة واحدة” (YOLO)، في اكتشاف تسوس الأسنان تحت التعويضات السنية الثابتة (FDPs) باستخدام الأشعة السينية البانورامية. تم استخدام مجموعة بيانات تتكون من 1004 صورة بانورامية من مرضى لديهم FDPs، حيث تم تخصيص 90% للتدريب و10% للاختبار. أظهر نموذج YOLOv7 أداءً…
شبكة عصبية تلافيفية هجينة جديدة من نوع إنسيبشن-إكسبشن لتصنيف واكتشاف أمراض النباتات بكفاءة
A novel hybrid inception-xception convolutional neural network for efficient plant disease classification and detection

تسلط الأبحاث الضوء على الدور الحاسم للنباتات في النظم البيئية والتحديات التي تطرحها آفات النباتات والأمراض، خاصة من حيث اكتشافها المبكر. غالبًا ما تكون التشخيصات التقليدية في المختبر مكلفة وتستغرق وقتًا طويلاً، مما يؤدي إلى زيادة ضغط النباتات وتهديدات الأمن الغذائي. لمعالجة هذه القضايا، تقدم الدراسة نموذج شبكة عصبية تلافيفية هجينة جديدة (IX-CNN) مصممة لاكتشاف…
التعلم العميق لتقدير العمر الجنائي باستخدام الأشعة البانورامية في الأطفال والمراهقين والشباب
Deep learning for forensic age estimation using orthopantomograms in children, adolescents, and young adults

تستقصي هذه الدراسة تطبيق الشبكات العصبية التلافيفية (CNNs) لتقدير العمر الجنائي باستخدام الصور الشعاعية البانورامية (OPGs). من خلال تدريب شبكة CNN مخصصة على مجموعة بيانات كبيرة تضم 21,814 صورة OPG من 13,766 فردًا تتراوح أعمارهم بين 1 إلى أقل من 25 عامًا، كان الهدف من الباحثين هو تعزيز سرعة ودقة توقعات العمر. تم تدريب الشبكة…
التنبؤ بسلاسل الزمن باستخدام التعلم العميق: نهج الشبكات العصبية التلافيفية للتنبؤ باتجاهات التضخم
Deep Learning-Based Time Series Forecasting: A Convolutional Neural Network Approach for Predicting Inflation Trends

تستكشف هذه الدراسة استخدام الشبكات العصبية التلافيفية (CNNs) للتنبؤ باتجاهات التضخم في مصر، مع معالجة قيود النماذج الاقتصادية التقليدية مثل ARIMA و VAR في التقاط الاعتماديات الزمنية المعقدة وغير الخطية في بيانات السلاسل الزمنية الاقتصادية. باستخدام بيانات التضخم التاريخية من 1960 إلى 2023، تم تطوير نموذج CNN من خلال منهجية تضمنت معالجة البيانات، واستخراج الميزات…
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 transformer

تقدم 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…
شبكة الانتباه القنوي المتبقي (RCA) لتصنيف مشاهد الصور في الاستشعار عن بُعد
Residual Channel-attention (RCA) network for remote sensing image scene classification

تقدم ورقة البحث شبكة جديدة تُعرف بشبكة الانتباه القنوي المتبقي (RCA) تهدف إلى تحسين تصنيف مشاهد الصور عالية الدقة في الاستشعار عن بعد (HRRS). تواجه الشبكات العصبية التقليدية (CNNs) تحديات في التقاط العلاقات الدلالية المعقدة والاعتمادات بعيدة المدى في صور HRRS، التي غالبًا ما تظهر تباينًا كبيرًا داخل الفئات وتشابهًا بين الفئات. تعالج شبكة RCA…
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 images

تتناول 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 networks

تقدم 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…
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 detection

تتناول 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…