الأبحاث المرتبطة بالكلمة المفتاحية: معالجة الصور، بمساعدة الكمبيوتر
-
DentoMorph-LDMs: نماذج انتشار تعتمد على نسيج اللثة المتصل بـ 8 نقاط جديدة وفقدان الأسنان اللبنية لزيادة صور الأسنان
DentoMorph-LDMs: diffusion models based on novel adaptive 8-connected gum tissue and deciduous teeth loss for dental image augmentationتقدم هذه البحث DentoMorph-LDMs، إطار عمل مبتكر يعزز إعادة بناء الصور السنية للأطفال واكتشاف الأمراض من خلال دمج الخوارزميات المستوحاة من البيولوجيا في نماذج الانتشار الكامنة (LDMs). يقدم الدراسة وظيفتين جديدتين للخسارة: تعويض بكسل متكيف مع اللثة (GAPI)، الذي يحاكي السلوك التكيفي لأنسجة اللثة، وإعادة بناء قائمة على الانتقال المؤقت (DTBR)، الذي يأخذ في الاعتبار…
-
أداة مراسلة شبكية للتقييم الكمي لنتائج التصوير العصبي الجديدة
A network correspondence toolbox for quantitative evaluation of novel neuroimaging resultsتناقش قسم ورقة البحث التحديات التي تطرحها عدم وجود معيارية في تسمية ووصف الشبكات الدماغية الوظيفية واسعة النطاق، مما أعاق تفسير وتوافق النتائج في علم الأعصاب. لمعالجة هذه المشكلة، يقدم المؤلفون صندوق أدوات توافق الشبكة (NCT)، وهو أداة مصممة لتسهيل فحص وتقرير التوافق المكاني بين نتائج التصوير العصبي الجديدة والأطالس الدماغية الوظيفية المعروفة. يسمح NCT…
-
تقسيم أورام الدماغ باستخدام شبكة U-Net متعددة المقاييس مع مشفر EfficientNetB4 لتحليل الرنين المغناطيسي المحسن
Brain tumor segmentation using multi-scale attention U-Net with EfficientNetB4 encoder for enhanced MRI analysisتقدم هذه الدراسة إطار عمل جديد لتقسيم أورام الدماغ يدمج بين شبكة U-Net متعددة المقاييس مع مشفر EfficientNetB4، بهدف تحسين دقة وكفاءة التقسيم. يستخدم النموذج توسيع EfficientNetB4 المركب لتحسين استخراج الميزات عبر دقات متعددة مع تقليل المتطلبات الحسابية. يعزز آلية الانتباه متعددة المقاييس، التي تستخدم نوى بأحجام 1 × 1، 3 × 3، و5 ×…
-
نهج محسّن كمي للكشف عن سرطان الثدي باستخدام SqueezeNet-SVM
A quantum-optimized approach for breast cancer detection using SqueezeNet-SVMتقدم البحث نهج هجين جديد، يسمى Q-BGWO-SQSVM، لتصنيف سرطان الثدي الذي يدمج بين مُحسّن الذئب الرمادي الثنائي المستوحى من الكم (Q-BGWO) مع SqueezeNet وآلات الدعم المتجهة (SVM). يعالج هذا الأسلوب قيود أنظمة التشخيص بمساعدة الكمبيوتر الحالية (CAD)، مثل الإفراط في التكيف والاعتماد على مجموعات بيانات موسومة كبيرة، من خلال تعزيز دقة معالجة وتفسير صور الماموجرام.…
-
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…
-
تقسيم أورام الثدي القابلة للتفسير باستخدام الانتباه بالاعتماد على مزيج من نماذج UNet وResNet وDenseNet وEfficientNet
Explainable attention based breast tumor segmentation using a combination of UNet, ResNet, DenseNet, and EfficientNet modelsتقدم هذه الدراسة نهج تعلم عميق لتجزئة أورام الثدي باستخدام مجموعة بيانات صور الموجات فوق الصوتية للثدي (BUSI)، معتمدة على بنية UNet المعدلة المعززة بآليات الانتباه مثل وحدة انتباه الكتلة التلافيفية (CBAM) والانتباه غير المحلي. من خلال دمج هياكل ترميز متقدمة مثل ResNet وDenseNet وEfficientNet، يحسن النموذج بشكل كبير من دقة التجزئة، كما يتضح من…
-
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…
-
تطوير نظام للكشف عن عرج الماشية في الوقت الحقيقي باستخدام كاميرا جانبية واحدة
Development of a real-time cattle lameness detection system using a single side-view cameraتبحث هذه الدراسة في تطبيق تقنيات التعلم العميق لاكتشاف العرج في الأبقار الحلوب، باستخدام معالجة الصور المتقدمة وخوارزميات كشف الكائنات، وتحديدًا Mask-RCNN من Detectron2 و YOLOv8. تؤكد الدراسة على أهمية الكشف الدقيق عن الأبقار وتتبعها، مع تخصيص معرفات محلية فريدة لتسهيل المراقبة الفردية خلال تسلسلات الفيديو. تعتبر المناطق المستخرجة من خوارزميات الكشف ضرورية لاستخراج الميزات،…