الأبحاث ضمن الموضوع الرئيسي: كشف وتصنيف أورام الدماغ

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…
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 analysis

تقدم 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 ×…
تطبيق تقنيات التعلم العميق والتعلم الانتقالي في تصنيف الصور الطبية
Application of Deep Learning and Transfer Learning Techniques for Medical Image Classification

تستكشف هذه الورقة البحثية تأثير التعلم العميق (DL) والتعلم الانتقالي (TL) على الذكاء الاصطناعي، مع التركيز بشكل خاص على تصنيف الصور الطبية. تؤكد الدراسة على قدرة نماذج DL، وخاصة الشبكات العصبية التلافيفية (CNNs) مثل ResNet50 و VGG16، على تحقيق دقة أعلى في التمييز بين COVID-19، والالتهاب الرئوي الفيروسي، وحالات الرئة الطبيعية مقارنةً بأساليب التعلم الآلي…
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…
طريقة هجينة فعالة للتعلم العميق والتعلم الآلي لتشخيص الاضطرابات التنكسية العصبية.
An efficient hybrid Deep Learning-Machine Learning method for diagnosing neurodegenerative disorders.

تتناول ورقة البحث التحديات المتعلقة بتشخيص مرض الزهايمر، وهو اضطراب تنكسي عصبي يتميز بفقدان خلايا الدماغ وضمور الأنسجة، مما يؤثر بشكل كبير على جودة حياة المرضى. إن الكشف المبكر والعلاج أمران حاسمان لتحسين نتائج المرضى، مما يستلزم تقييمات سريرية مستمرة. تسلط الدراسة الضوء على الاعتماد على تقنيات التعلم العميق لتحليل الصور الطبية، وخاصة في التغلب…
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 images

تقدم 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…
تعزيز اكتشاف أورام الدماغ في صور الرنين المغناطيسي من خلال الذكاء الاصطناعي القابل للتفسير باستخدام Grad-CAM مع Resnet 50
Enhancing brain tumor detection in MRI images through explainable AI using Grad-CAM with Resnet 50

تتناول هذه الدراسة تحدي الكشف عن أورام الدماغ في صور الرنين المغناطيسي، مع التأكيد على الحاجة إلى نماذج دقيقة وقابلة للتفسير للمهنيين في مجال الرعاية الصحية. بينما تفوقت تقنيات التعلم العميق في تحليل الصور الطبية، فإنها غالبًا ما تفتقر إلى الشفافية، حيث تعمل كـ “صناديق سوداء”. لمعالجة ذلك، تستخدم البحث نموذج ResNet50، وهو نموذج تعلم…
استخدام التعلم العميق والتعلم الانتقالي للكشف الدقيق عن أورام الدماغ
Employing deep learning and transfer learning for accurate brain tumor detection

تبحث الدراسة في تطبيق هياكل التعلم العميق للنقل لتصنيف أورام الدماغ باستخدام صور الرنين المغناطيسي (MRI). تقيم أربعة نماذج—ResNet152 و VGG19 و DenseNet169 و MobileNetv3—على مجموعة بيانات مأخوذة من كاجل، باستخدام تقنية التحقق المتقاطع بخمسة طيات وتقنيات تحسين الصور لمعالجة عدم توازن مجموعة البيانات عبر أربع فئات من الأورام: الغدة النخامية، الطبيعية، السحائية، والورم الدبقي.…
نهج مبتكر لتحويل سوان يستخدم الشبكة العصبية متعددة الطبقات المتبقية لتشخيص أورام الدماغ في صور الرنين المغناطيسي
A novel Swin transformer approach utilizing residual multi-layer perceptron for diagnosing brain tumors in MRI images

تقدم هذه البحث نهجًا جديدًا في التعلم العميق باستخدام محول Swin للتشخيص الدقيق لأورام الدماغ، مع معالجة التحديات الحرجة مثل جودة التصوير غير المثلى وتنوع أنواع وأطوار الأورام. يتضمن الأسلوب المقترح وحدة انتباه ذاتي متعددة الرؤوس مع نوافذ هجينة (HSW-MSA) ويستبدل الشبكة العصبية متعددة الطبقات التقليدية (MLP) بشبكة MLP قائمة على البقايا (ResMLP). تهدف هذه…