تقدم الدراسة MSAF-Net، وهي شبكة جديدة لدمج الانتباه متعدد المساحات مصممة لتعزيز دقة تشخيص سرطان الكبد من خلال تحليل الصور المرضية. يدمج هذا الإطار خمسة مساحات ميزات تكاملية—الأحمر (R)، الأزرق (B)، الأصفر (Y)، الانتروبيا، وأنماط الباينري المحلية (LBP)—باستخدام آلية دمج معززة بواسطة SE-block جنبًا إلى جنب مع EfficientNet-Lite لاستخراج الميزات. تحقق MSAF-Net أداءً رائدًا بنسبة…

تقدم ورقة البحث BreastXploreAI، وهو إطار عمل جديد متعدد الأنماط ومتعدد المهام في التعلم العميق يهدف إلى تحسين تشخيص سرطان الثدي من خلال تحسين تصنيف الأنماط وتحليل تقدم الآفات. جوهر هذا الإطار هو TransBreastNet، الذي يدمج الشبكات العصبية التلافيفية (CNNs) لاستخراج الميزات المكانية، وطرق قائمة على المحولات للتشفير الزمني، ومشفرات بيانات كثيفة لدمج المعلومات السريرية…

تناقش هذه القسم الإمكانيات التحويلية للذكاء الاصطناعي (AI) في الرعاية الصحية، وخاصة من خلال مخطط جديد يسمى “DXAIB”، الذي يدمج الشبكات العصبية التلافيفية (CNNs) مع نموذج الغابة العشوائية (RF) لاكتشاف سرطان الثدي. بينما أظهر الذكاء الاصطناعي أداءً ملحوظًا في التطبيقات الطبية، فإن عمليات اتخاذ القرار غير الشفافة قد أعاقت الثقة والتبني الواسع. يعالج مخطط DXAIB…