الأبحاث ضمن الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية

تحليل مقارن لنماذج تعلم الآلة في توقع مرض الشريان التاجي مع اختيار ميزات محسّن
Comparative analysis of machine learning models for coronary artery disease prediction with optimized feature selection

تستكشف هذه الدراسة تطبيق تقنيات التعلم الآلي (ML) للتنبؤ بمرض الشريان التاجي (CAD) باستخدام مجموعتين من البيانات: مجموعة بيانات فرامينغهام ومجموعة بيانات ز-علي زاده ساني. من خلال اعتماد منهجية منظمة تشمل معالجة البيانات، واختيار الميزات عبر خوارزمية تحسين بحث النسر الأصلع (BESO)، وتقييم نماذج التصنيف المتعددة، تحدد الأبحاث أن الغابة العشوائية (RF) هي الأكثر فعالية…
توقع مخاطر القلب والأوعية الدموية باستخدام التعلم الجماعي الهجين والذكاء الاصطناعي القابل للتفسير
Predicting cardiovascular risk with hybrid ensemble learning and explainable AI

تتناول الدراسة الحاجة الملحة لتحسين توقع المخاطر لأمراض القلب والأوعية الدموية (CVDs)، التي تظل سببًا رئيسيًا للوفيات على مستوى العالم. تقدم إطار عمل هجين للتعلم الجماعي يدمج نماذج التعلم الآلي المتقدمة، وتحديدًا تعزيز التدرج، CatBoost، والشبكات العصبية، ضمن بنية جماعية مكدسة. يعزز هذا النهج الأداء التنبؤي، محققًا درجة AUC-ROC تبلغ 0.82، إلى جانب مقاييس الدقة،…
آلية تعلم آلي محسّنة لنظام الرعاية الصحية للبيانات الضخمة للتنبؤ بعوامل خطر الأمراض
Optimized machine learning mechanism for big data healthcare system to predict disease risk factor

تقدم البحث نظام توقعات معتقدات الثعلب الأحمر العميق (DRFBPS) الجديد الذي يهدف إلى تعزيز التعرف المبكر على عوامل خطر الإصابة بأمراض القلب. نظرًا للزيادة المتزايدة في انتشار أمراض القلب بسبب عوامل نمط الحياة، يؤكد الدراسة على أهمية الكشف المبكر لتحسين نتائج المرضى. تعاني الطرق التنبؤية التقليدية غالبًا من مشاكل مثل اختيار الميزات غير المناسب والتكيف…
التعلم الجماعي مع الذكاء الاصطناعي القابل للتفسير لتحسين توقعات أمراض القلب استنادًا إلى مجموعات بيانات متعددة
Ensemble learning with explainable AI for improved heart disease prediction based on multiple datasets

تبحث ورقة البحث في تطبيق تقنيات التعلم الجماعي، وتحديداً طرق التكديس والتصويت، لتحسين دقة التنبؤ بأمراض القلب. من خلال تدريب خمسة عشر نموذجاً أساسياً على مجموعتين بيانات مختلفتين لأمراض القلب، طورت الدراسة نماذج جماعية تجمع بين ستة نماذج أساسية باستخدام نموذج ميتا (تكديس) وتصويت الأغلبية (تصويت). أظهرت النتائج أن كلا الطريقتين الجماعيتين تفوقت على النماذج…
تحليل مقارن لتنبؤ أمراض القلب باستخدام الانحدار اللوجستي، وآلة الدعم الناقل، وجيران الأقرب، وغابة عشوائية مع التحقق المتقاطع لتحسين الدقة
Comparative analysis of heart disease prediction using logistic regression, SVM, KNN, and random forest with cross-validation for improved accuracy

تستكشف هذه الورقة البحثية فعالية التحقق المتقاطع في تعزيز أداء نماذج التعلم الآلي المطبقة على مجموعات بيانات أمراض القلب. تستخدم الدراسة عملية جديدة لتحضير البيانات، تشمل تعويض الميزات العددية بالمتوسط، والميزات الفئوية باستخدام طرق كاي-تربيع، وتطبيق التطبيع. يتم مقارنة أربعة نماذج—الانحدار اللوجستي (LR)، آلة الدعم الناقل (SVM)، أقرب جار (KNN)، وغابة عشوائية (RF)—من خلال التحقق…
تحسين تشخيص أمراض القلب باستخدام نماذج التعلم الآلي المتقدمة: مقارنة الأداء التنبؤي
Optimizing heart disease diagnosis with advanced machine learning models: a comparison of predictive performance

تقدم ورقة البحث تقييمًا شاملاً لنماذج التعلم الآلي لتوقع الأمراض القلبية، مع تسليط الضوء على العبء العالمي الكبير للحالات القلبية الوعائية التي تفاقمت بسبب عوامل مثل قلة النشاط، واستخدام التبغ، والأنظمة الغذائية غير الصحية. ومن الجدير بالذكر أن مناطق مثل كليفلاند، والمجر، وسويسرا تسجل معدلات وفيات مرتفعة تُعزى إلى الأمراض القلبية الوعائية، مما يبرز الحاجة…
توقع المخاطر السريرية باستخدام الانحدار اللوجستي: أفضل الممارسات، تقنيات التحقق، والتطبيقات في البحث الطبي
Clinical Risk Prediction with Logistic Regression: Best Practices, Validation Techniques, and Applications in Medical Research

تهدف المراجعة السردية إلى تجميع تطبيقات الانحدار اللوجستي في الطب السريري، مع التركيز على توقع المخاطر ونمذجة التشخيص. تقيم أفضل الممارسات، وتحدد الفخاخ الشائعة، وتوضح تقنيات التحقق من الصحة لتحليل النتائج الثنائية، مثل وجود أو عدم وجود مرض. تستند المراجعة إلى 41 مقالة تمت مراجعتها من قبل الأقران من عام 1987 إلى 2025، تم اختيارها…
تقنية اختيار ميزات جماعية تكيفية للتنبؤ بالسكري غير المعتمدة على نموذج
An adaptive ensemble feature selection technique for model-agnostic diabetes prediction

تقدم ورقة البحث AdaptDiab، وهي طريقة مبتكرة لاختيار الميزات من خلال مجموعة تهدف إلى تعزيز توقع مرض السكري من خلال نهج غير مرتبط بالنموذج. من خلال دمج تقنيات اختيار الميزات المختلفة، بما في ذلك طرق التصفية مثل ANOVA F-score، ودرجة فيشر، وحدود التباين، يحدد AdaptDiab بشكل فعال مجموعة فرعية مثالية من الميزات. تستخدم الطريقة دالة…
تشخيص فعال لمرض السكري باستخدام طريقة تجميع محسّنة
Efficient diagnosis of diabetes mellitus using an improved ensemble method

تتناول الأبحاث القضية الملحة لمرض السكري، وخاصة في الدول النامية، حيث تساهم بشكل كبير في معدلات الوفيات. على الرغم من إمكانيات التعلم الآلي (ML) للكشف المبكر والعلاج، إلا أن الدراسات السابقة واجهت صعوبات في دقة التصنيف المنخفضة بسبب تحديات مثل الإفراط في التخصيص وضوضاء البيانات. تعزز هذه الدراسة دقة التصنيف من خلال استخدام تقنيات التعلم…
تقنية محسّنة تعتمد على التصويت الناعم في تعلم الآلة للكشف عن سرطان الثدي باستخدام اختيار ميزات فعّال وتوازن الفئات SMOTE-ENN
An improved soft voting-based machine learning technique to detect breast cancer utilizing effective feature selection and SMOTE-ENN class balancing

تتناول ورقة البحث القضية الحرجة لسرطان الثدي، الذي لا يزال السبب الرئيسي للوفاة بين النساء في جميع أنحاء العالم. تؤكد على أهمية الكشف المبكر والتشخيص الدقيق في تقليل معدلات الوفيات. تسلط الدراسة الضوء على قيود خوارزميات التعلم الآلي عند مواجهة مجموعات بيانات تحتوي على ميزات مكررة أو غير ذات صلة. لتعزيز فعالية هذه الخوارزميات، ينفذ…