الأبحاث ضمن الموضوع : كشف وتصنيف أورام الدماغ
-
YOLO-LS: إطار عمل جديد للتعلم العميق لتجزئة أورام الدماغ في التصوير بالرنين المغناطيسي
2026 | المؤلف: Jinghui Chen وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)تقدم البحث YOLO-LS، وهو إطار متقدم لاكتشاف وتقسيم أورام الدماغ في صور الرنين المغناطيسي، حيث يتناول التحديات المتعلقة بالتنوع العالي في خصائص الأورام وقيود التوصيف اليدوي. يعتمد النموذج المقترح على بنية YOLO11n-seg ويقدم ثلاثة ابتكارات رئيسية: دمج ShuffleNet V1 كهيكل خفيف الوزن لتقليل التعقيد الحسابي، وآلية DySample الديناميكية لزيادة التفاصيل الدقيقة، ووحدة C3k2-PoolingFormer لتحسين دمج…
-
الكشف عن أورام الدماغ باستخدام التصوير بالرنين المغناطيسي من خلال هيكل انتباه قابل للتفسير EfficientNetV2 وMLP-mixer
2026 | المؤلف: Mustafa Yurdakul وآخرون | المجلة: Physical and Engineering Sciences in Medicine | المجال: طب الأعصاب (Neurology)تقدم ورقة البحث نموذجًا جديدًا للتعلم العميق لتصنيف أورام الدماغ، مما يعالج الحاجة الملحة لأنظمة التشخيص الآلي بسبب معدلات الوفيات العالية المرتبطة بهذه الأورام. باستخدام مجموعة بيانات تتكون من 3,064 صورة MRI معززة بالتباين بتقنية T1، تقيم الدراسة تسع هياكل معروفة للشبكات العصبية التلافيفية (CNN) لتحديد العمود الفقري الأكثر فعالية لتصنيف الأورام. تم اختيار EfficientNetV2…
-
TF-DWGNet: شبكة عصبية موجهة ذات وزن مع دمج الموترات لتصنيف أنواع السرطان متعددة الأومكس
2026 | المؤلف: Tiantian Yang وآخرون | المجلة: NAR Genomics and Bioinformatics | المجال: طب الأعصاب (Neurology)تقدم البحث TF-DWGNet، وهو إطار عمل مبتكر للشبكات العصبية الرسومية (GNN) مصمم لتصنيف أنواع السرطان الفرعية من خلال دمج بيانات متعددة الأوميات. يعالج هذا الإطار التحديات التي تطرحها طبيعة البيانات غير المتجانسة وعالية الأبعاد، والتي غالبًا ما تظهر تبعيات معقدة. يعزز TF-DWGNet الأساليب التقليدية للشبكات العصبية الرسومية من خلال تنفيذ استراتيجية قائمة على الأشجار الموجهة…
-
قوة اكتشاف المجتمع لشبكات الأعصاب البيانية
2026 | المؤلف: Jaidev Goel وآخرون | المجلة: Physical Review Research | المجال: طب الأعصاب (Neurology)يتناول هذا القسم من ورقة البحث قوة الشبكات العصبية الرسومية (GNNs) في مهام اكتشاف المجتمع، وخاصة تحت تأثيرات مختلفة وهجمات مستهدفة. يقوم المؤلفون بتقييم منهجي لستة هياكل GNN بارزة—GCN، GAT، Graph-SAGE، DiffPool، MinCUT، وDMoN—عبر ثلاثة أنواع من الاضطرابات: التلاعب بسمات العقد، تشوهات هيكل الحواف، والهجمات العدائية. تكشف النتائج أنه بينما تحقق GNNs الخاضعة للإشراف عمومًا…
-
تحسين هجين باستخدام خوارزمية أكويلا – تحسين صقور هاريس لتعديل معلمات الشبكة العصبية التلافيفية في تصنيف أورام الدماغ
2026 | المؤلف: Manoj Kumar وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)تقدم ورقة البحث إطار عمل هجين جديد، وهو مُحسّن أكويلا – تحسين صقور هاريس (AO-HHO)، يهدف إلى تحسين ضبط المعلمات الفائقة للشبكات العصبية التلافيفية (CNNs) لتصنيف صور الرنين المغناطيسي للدماغ. تتناول الدراسة التحديات مثل عدم توازن البيانات والمتطلبات الحسابية لتحسين المعلمات الفائقة، والتي تعتبر حاسمة في اتخاذ القرارات السريرية. يجمع إطار عمل AO-HHO بين قدرات…
-
شبكة الأعصاب التلافيفية المعتمدة على المنطقة (R-CNN) مع دمج الراديوميات ومصفوفة تكرار مستوى الرمادي (GLCM) لاكتشاف الأورام الدماغية وتقسيمها
2026 | المؤلف: Prathima Devadas وآخرون | المجلة: PLoS ONE | المجال: طب الأعصاب (Neurology)تقدم هذه الدراسة نهجًا جديدًا للتشخيص المبكر وتصنيف أورام الدماغ باستخدام مزيج من الشبكات العصبية التلافيفية المعتمدة على الأقنعة (R-CNN)، والرياضيّات، ومصفوفة التكرار لمستويات الرمادي (GLCM). من خلال استخدام Mask R-CNN لتقسيم دقيق لمناطق الورم في التصوير بالرنين المغناطيسي (MRI) وحساب ميزات رياضية تقيس تباين الورم، تدمج الدراسة بفعالية الرياضيّات الكلاسيكية مع تقنيات التعلم العميق.…
-
شبكة عصبية عميقة هجينة مع تحسين ميزات قائمة على تحليل المكونات الرئيسية لتعزيز تصنيف أورام الدماغ
2026 | المؤلف: Binay Kumar Pandey وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)تتناول ورقة البحث التحديات المرتبطة بتصنيف أورام الدماغ، مع التركيز بشكل خاص على الورم الدبقي، والورم السحائي، وأورام الغدة النخامية، وغياب الأورام. لتعزيز دقة التصنيف، يقترح المؤلفون نموذجًا هجينًا يدمج شبكة عصبية تلافيفية PCA-DenseNet121 مع أوصاف القوام التقليدية. يستخدم هذا النموذج ميزات عميقة مستمدة من مصفوفة التكرار لمستوى الرمادي (GLCM) ونمط ثلاثي محلي (LTP)، جنبًا…
-
نماذج التعلم العميق المتطورة لتصنيف أورام الدماغ
2026 | المؤلف: Faruk Özger وآخرون | المجلة: GAZI UNIVERSITY JOURNAL OF SCIENCE | المجال: طب الأعصاب (Neurology)تقوم هذه الدراسة بتقييم منهجي لعشر هياكل بارزة في التعلم العميق، تقارن بين خمسة شبكات عصبية تلافيفية (CNNs) وخمسة محولات رؤية (ViTs) لتصنيف أورام الدماغ باستخدام بيانات التصوير بالرنين المغناطيسي. تشير النتائج إلى أن كلا عائلتي النماذج تحققان دقة تصنيف عالية، حيث تحقق Inception v4 أعلى دقة بنسبة 96.73%، مما يظهر فعالية المعالجة التلافيفية متعددة…
-
إطار عمل موثوق وقابل للتوسع للتعلم العميق لتحسين الكشف عن أورام الدماغ والتشخيص باستخدام التصوير الطبي المعتمد على الذكاء الاصطناعي
2026 | المؤلف: Sultan Ahmad وآخرون | المجلة: Frontiers in Medicine | المجال: طب الأعصاب (Neurology)تقدم ورقة البحث بنية تعلم عميق ذات طبقتين مصممة للكشف التلقائي عن أورام الدماغ في صور الرنين المغناطيسي، مع التركيز على قابليتها العملية في الإعدادات السريرية. تدمج البنية نموذج تقسيم، DeepLabV3، لتحديد مناطق الأورام المرشحة، تليها شبكة عصبية تلافيفية (CNN) لتصنيف وجود الورم. باستخدام التعلم بالنقل والتعديل الدقيق مع النماذج المدربة مسبقًا، تحقق الإطار دقة…
-
تقييم مقارن وتحليل قابلية التفسير لهياكل الشبكات العصبية التلافيفية الحديثة لتصنيف أورام الدماغ باستخدام التصوير بالرنين المغناطيسي
2026 | المؤلف: Nitipon Pongphaw وآخرون | المجلة: Journal of Associated Medical Sciences | المجال: طب الأعصاب (Neurology)تتناول هذه الدراسة تحدي تصنيف أورام الدماغ بدقة وقابلية للتفسير من صور الرنين المغناطيسي، مع التركيز على نظام تصنيف من أربع فئات (غليوما، منينجيوما، ورم الغدة النخامية، وعدم وجود ورم) باستخدام إطار عمل ConvNeXt-Tiny. تم مقارنة أداء ConvNeXt-Tiny مع هياكل الشبكات العصبية الالتفافية المعروفة، بما في ذلك DenseNet169 وXception وMobileNetV3-Large وCNN+DenseNet169 وResNet50، باستخدام التعلم الانتقالي…