الأبحاث ضمن الموضوع : كشف وتصنيف أورام الدماغ
-
نهج جديد لاكتشاف ورم الدماغ وتصنيفه عبر محول الرؤية من النهاية إلى النهاية – بنية
2025 | المؤلف: K. Chandraprabha وآخرون | المجلة: Frontiers in Oncology | المجال: طب الأعصاب (Neurology)تتناول البحث التحديات في تشخيص وعلاج أورام الدماغ، والتي تعد مساهمات كبيرة في اضطرابات الجهاز العصبي المركزي. الكشف المبكر أمر حاسم لتحسين معدلات البقاء، ومع ذلك فإن الاعتماد على التعليقات اليدوية من قبل الجراحين يبرز الحاجة إلى أنظمة تصنيف آلية. يقدم الدراسة محول رؤية (ViT) مدمج مع إطار عمل شبكة عصبية تلافيفية (CNN)، يهدف إلى…
-
تقسيم تلقائي لأورام الدماغ في صور الرنين المغناطيسي بناءً على دمج عميق لميزات الحواف الضعيفة والسياق
2025 | المؤلف: Leyi Xiao وآخرون | المجلة: Artificial Intelligence Review | المجال: طب الأعصاب (Neurology)تقدم البحث طريقة مبتكرة لتقسيم أورام الدماغ في صور الرنين المغناطيسي تلقائيًا تُسمى AS-WEC، والتي تدمج ميزات الحواف الضعيفة والسياق لتعزيز دقة التقسيم. تستخدم الطريقة الكشف التكيفي عن الحواف الضعيفة باستخدام عتبة أوزو المزدوجة (Otsu-WD) لتمييز حواف الورم بفعالية عن الهياكل الطبيعية للدماغ، مما يعالج المشكلة الشائعة للحدود الضبابية في صور الرنين المغناطيسي. بالإضافة إلى…
-
أطر حسابية مدفوعة بالذكاء الاصطناعي: تعزيز الذكاء الحدي والأنظمة الذكية
2025 | المؤلف: G. Prabaharan وآخرون | المجلة: International Journal of Computational and Experimental Science and Engineering | المجال: طب الأعصاب (Neurology)تقدم ورقة البحث إطار عمل حسابي مبتكر مدفوع بالذكاء الاصطناعي يدمج الذكاء الحدي (EI) مع نماذج التعلم العميق التكيفية لتعزيز معالجة البيانات في الوقت الحقيقي واتخاذ القرارات في الأنظمة الذكية. من خلال استخدام التعلم الفيدرالي، والحوسبة العصبية، وتقنيات تحسين التعلم المعزز، يعالج الإطار التحديات الرئيسية المرتبطة بالهياكل التقليدية المعتمدة على السحابة، مثل الكمون العالي، وقيود…
-
الذكاء الاصطناعي القابل للتفسير في التصوير الطبي: نموذج تعلم فدرالي قابل للتفسير والتعاون لتصنيف أورام الدماغ
2025 | المؤلف: Qurat-ul-ain Mastoi وآخرون | المجلة: Frontiers in Oncology | المجال: طب الأعصاب (Neurology)تقدم ورقة البحث نموذج تعلم فدرالي تعاوني (CFLM) متكامل مع الذكاء الاصطناعي القابل للتفسير (XAI) لتصنيف أورام الدماغ باستخدام التصوير بالرنين المغناطيسي (MRI). تتناول الدراسة قيود نماذج التعلم العميق المركزية التقليدية، التي غالبًا ما تواجه صعوبات في خصوصية البيانات وتوافر مجموعات بيانات متنوعة. من خلال استخدام GoogLeNet ضمن إطار عمل التعلم الفدرالي، يمكّن الأسلوب المقترح…
-
XAI-MRI: نهج مزدوج النمط للتجزئة ثلاثية الأبعاد لأورام الدماغ باستخدام التصوير بالرنين المغناطيسي
2025 | المؤلف: Ahmeed Suliman Farhan وآخرون | المجلة: Frontiers in Artificial Intelligence | المجال: طب الأعصاب (Neurology)تناقش هذه القسم التحديات المتعلقة بتجزئة أورام الدماغ من صور الرنين المغناطيسي (MRI)، مع التركيز على الصعوبة في تمييز أنسجة الورم عن الأنسجة السليمة، خاصة عند الاعتماد على التجزئة اليدوية من قبل أطباء الأشعة. تعتبر التجزئة الدقيقة ضرورية لتصنيف الورم بشكل فعال وتخطيط العلاج. يقترح المؤلفون نهجًا مبتكرًا مزدوج النمط للتجزئة ثلاثية الأبعاد لأورام الدماغ،…
-
M-C&M-BL: نموذج تصنيف جديد لتصنيف أورام الدماغ: متعدد CNN ومتعدد
2025 | المؤلف: Muhammet Sinan Başarslan | المجلة: The Journal of Supercomputing | المجال: طب الأعصاب (Neurology)تقدم الدراسة نهجًا جديدًا للكشف عن أورام الدماغ باستخدام نموذج تعلم عميق، M-C&M-BL، الذي يجمع بين شبكة عصبية تلافيفية (CNN) لاستخراج ميزات الصورة مع شبكة ذاكرة طويلة وقصيرة المدى ثنائية الاتجاه (BiLSTM) لمعالجة البيانات المتسلسلة. تم تقييم النموذج على مجموعة بيانات تصوير الرنين المغناطيسي للدماغ Br35H وحقق مقاييس أداء مثيرة للإعجاب، بما في ذلك دقة…
-
تحسين هيكل EfficientNet للكشف عن أورام الدماغ متعددة الدرجات
2025 | المؤلف: Arif Ishaq وآخرون | المجلة: Electronics | المجال: طب الأعصاب (Neurology)تقدم ورقة البحث نسخة محسنة من بنية EfficientNet تهدف إلى تحسين الكشف وتصنيف أورام الدماغ، وخاصة الغليوما، والميينجيوما، وأورام الغدة النخامية، والأنسجة غير الورمية. غالبًا ما تؤدي الطرق التقليدية إلى نتائج دون المستوى، بينما يحقق نموذج التعلم العميق المعتمد على الذكاء الاصطناعي المقترح دقة متوسطة مثيرة للإعجاب تبلغ 98.6%، متفوقًا على التقنيات الحديثة الحالية مع…
-
تطبيق تقنيات التعلم العميق والتعلم الانتقالي في تصنيف الصور الطبية
2025 | المؤلف: Tam Sakirin وآخرون | المجلة: EDRAAK | المجال: طب الأعصاب (Neurology)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…
-
إطار تعلم عميق جماعي لتجزئة الأورام الدبقية وتوقع التصنيف
2025 | المؤلف: Liang Wen وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)تقدم البحث إطار عمل للتعلم العميق المتجمع يهدف إلى تعزيز تقسيم الأورام وتوقع درجة المخاطر للأورام الدبقية باستخدام التصوير بالرنين المغناطيسي المتعدد الوسائط قبل العملية. إدراكًا للتحديات التي تطرحها تغايرية الورم والندرة المحدودة لبيانات تصنيف الأورام الدبقية، يقترح المؤلفون نموذجًا يدمج مهام التقسيم والتصنيف من خلال بنية U-Net. تشمل الابتكارات الرئيسية دمج الالتفاف غير المتماثل…
-
MUNet: إطار عمل جديد لتقسيم دقيق لأورام الدماغ يجمع بين شبكات UNet و
2025 | المؤلف: Lijuan Yang وآخرون | المجلة: Frontiers in Computational Neuroscience | المجال: طب الأعصاب (Neurology)تقدم ورقة البحث MUNet، وهو إطار شبكة جديد مصمم لت segmentation الأورام الدماغية بكفاءة ودقة من خلال دمج نقاط القوة في UNet و Mamba. يتناول MUNet قيود النماذج الحالية، مثل Transformers والشبكات العصبية التلافيفية (CNNs)، من خلال دمج وحدة SD-SSM، التي تستخدم المسح الانتقائي ونمذجة الفضاء الحالى لالتقاط ميزات الصورة العالمية والمحلية بفعالية. تعزز هذه…
