تخطى إلى المحتوى
العالِم العربي
  • الصفحة الرئيسية
  • مجالات الأبحاث
  • أحدث الأبحاث
  • عن الموقع
  • تواصل معنا
  1. الرئيسية
  2. قائمة الموضوعات الرئيسية
  3. كشف وتصنيف أورام الدماغ

الأبحاث ضمن الموضوع : كشف وتصنيف أورام الدماغ




  • تشفير الصور الطبية المعتمد على البلوكشين باستخدام خريطة قطة أرنولد في بيئة سحابية

    2024 | المؤلف: Saba Inam وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تتناول ورقة البحث تطوير نظام تشفير قائم على بلوكتشين يسمى مخطط تشفير أرنولد الفوضوي (BCAES) يهدف إلى تعزيز أمان بيانات الصور الطبية المخزنة في بيئات السحابة. مع تزايد حجم البيانات الطبية الناتجة عن تقنيات الرعاية الصحية الحديثة، أصبحت الحاجة إلى نقل البيانات وتخزينها بشكل آمن أمرًا حاسمًا بسبب الثغرات مثل التنصت والوصول غير المصرح به.…


  • نهج مبتكر لتحويل سوان يستخدم الشبكة العصبية متعددة الطبقات المتبقية لتشخيص أورام الدماغ في صور الرنين المغناطيسي

    2024 | المؤلف: İshak Paçal | المجلة: International Journal of Machine Learning and Cybernetics | المجال: طب الأعصاب (Neurology)

    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…


  • نظام تصنيف متعدد الفئات لتدرج أورام الدماغ بناءً على الصور الهيستوباثولوجية باستخدام شبكات YOLO وRESNET الهجينة

    2024 | المؤلف: Naira Elazab وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تقدم هذه الورقة البحثية نموذج تعلم عميق هجين جديد يدمج بين YOLOv5 و ResNet50 لتصنيف وتقييم الأورام الدبقية، وهي أورام دماغية أولية تنشأ من خلايا الدبق. يهدف النموذج إلى تعزيز علم الأمراض الرقمية من خلال تحديد وتصنيف الأورام بشكل فعال ضمن صور الشرائح النسيجية الكبيرة (WSIs). من خلال دمج ResNet50 في إطار عمل YOLOv5 لاستخراج…


  • ضبط الشبكات العصبية القائمة على الانتباه من نوع الذاكرة القصيرة والطويلة لاكتشاف مرض باركنسون باستخدام تحسينات ميتاهيرستية معدلة

    2024 | المؤلف: Aleksa Ćuk وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تستكشف هذه الورقة البحثية تطبيق الشبكات العصبية ذات الذاكرة الطويلة والقصيرة (LSTM) مع آليات الانتباه للكشف المبكر عن مرض باركنسون (PD) باستخدام بيانات اختبار المشي المزدوج. يُعتبر مرض باركنسون اضطرابًا تنكسيًا عصبيًا يتميز بأعراض مثل الرعشات أثناء الراحة وبطء الحركة، حيث يعتمد التشخيص بشكل أساسي على التقييم السريري، والذي غالبًا ما يكون ذاتيًا وغير دقيق.…


  • محولات الرؤية الهجينة القابلة للتفسير والشبكات التلافيفية لتجزئة الأورام متعددة الأشكال في تصوير الرنين المغناطيسي للدماغ

    2024 | المؤلف: Ramy A. Zeineldin وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تقدم ورقة البحث TransXAI، وهو نموذج هجين جديد يجمع بين محولات الرؤية والشبكات العصبية التلافيفية (CNNs) لتجزئة الأورام الدبقية في مسح التصوير بالرنين المغناطيسي متعدد الوسائط (MRI). إن التحديد الدقيق للأورام الدبقية أمر حاسم للتدخلات الجراحية العصبية، ومع ذلك، غالبًا ما تعمل نماذج التعلم العميق الحالية كـ “صناديق سوداء”، مما يحد من قابليتها للاستخدام السريري.…


  • هيكل جديد لشبكة عصبية تلافيفية للكشف المبكر الدقيق وتصنيف مرض الزهايمر باستخدام بيانات الرنين المغناطيسي

    2024 | المؤلف: A. M. El-Assy وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تقدم هذه البحث بنية جديدة لشبكة عصبية تلافيفية (CNN) مصممة للكشف المبكر عن مرض الزهايمر (AD) باستخدام بيانات التصوير بالرنين المغناطيسي (MRI) من مجموعة بيانات مبادرة تصوير مرض الزهايمر (ADNI). تتكون البنية من نموذجين مختلفين من CNN يستخدمان أحجام مرشحات مختلفة وطبقات تجميع، والتي يتم دمجها بعد ذلك في طبقة تصنيف. يعالج النموذج بفعالية مهام…


  • تصنيف أورام الدماغ من صور الرنين المغناطيسي: إطار نموذج تعلم عميق هجين مع تحسين بايزي وخوارزمية المفترس البحري القائمة على نظرية الكم

    2024 | المؤلف: Muhammad Sami Ullah وآخرون | المجلة: Frontiers in Oncology | المجال: طب الأعصاب (Neurology)

    تناقش ورقة البحث التحديات المتعلقة بتصنيف أورام الدماغ باستخدام التصوير بالرنين المغناطيسي (MRI)، مع التأكيد على الطبيعة الحرجة للتشخيص الدقيق لنتائج المرضى. تسلط الضوء على قيود التقنيات الحالية التي غالبًا ما تتجاهل الميزات المهمة لصالح طرق التعلم العميق التي تركز على استخراج الخصائص البارزة. لمواجهة مشكلة عدم توازن مجموعات البيانات، التي يمكن أن تحيز أداء…


  • شبكة Swin Transformer القابلة للتوسع لتجزئة أورام الدماغ من أنماط التصوير بالرنين المغناطيسي غير المكتملة

    2024 | المؤلف: Dongsong Zhang وآخرون | المجلة: Artificial Intelligence in Medicine | المجال: طب الأعصاب (Neurology)

    تقدم ورقة البحث IMS 2 Trans، وهي شبكة Swin Transformer خفيفة الوزن وقابلة للتوسع مصممة لتعزيز تقسيم أورام الدماغ من بيانات التصوير بالرنين المغناطيسي متعدد الأنماط (MRI)، خصوصًا في السيناريوهات التي تكون فيها الأنماط غير مكتملة – وهي تحدٍ شائع في الإعدادات السريرية. تواجه الطرق التقليدية، بما في ذلك تركيب الأنماط المفقودة والنهج المعتمد على…


  • كشف أورام الدماغ من الصور والمقارنة مع طرق التعلم بالنقل وشبكة الأعصاب التلافيفية ذات الثلاث طبقات

    2024 | المؤلف: Mohammad Zafer Khaliki وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تتناول ورقة البحث الدور الحاسم لصحة الدماغ واستخدام التصوير بالرنين المغناطيسي (MRI) لتشخيص أورام الدماغ، والتي تشمل الورم الدبقي، والورم السحائي، وأورام الغدة النخامية. تسلط الضوء على أهمية الذكاء الاصطناعي (AI) في معالجة مجموعات البيانات الكبيرة الناتجة عن MRI، لا سيما من خلال تقنيات تصنيف الصور. تستخدم الدراسة نماذج مختلفة من الشبكات العصبية التلافيفية (CNN)،…


  • تصنيف أورام الدماغ: نهج جديد يدمج GLCM و LBP وميزات مركبة

    2024 | المؤلف: G. Dheepak وآخرون | المجلة: Frontiers in Oncology | المجال: طب الأعصاب (Neurology)

    تقدم البحث نهجًا جديدًا لتحديد الأورام وتصنيفها، معالجًا القيود التي تفرضها الفحوصات اليدوية التقليدية للصور، والتي غالبًا ما تكون مستهلكة للوقت وذات طابع شخصي. تجمع الطريقة المقترحة بين ميزات مصفوفة التكرار الرمادي (GLCM) وميزات النمط الثنائي المحلي (LBP) لإجراء تحليل كمي لصور أورام الدماغ، مستهدفةً بشكل خاص الأورام الدبقية، والأورام السحائية، وأورام الغدة النخامية. الابتكار…


←السابق
1 … 12 13 14 15
التالي→

حقوق النشر © 2026 العالِم العربي. جميع الحقوق محفوظة. موقع العالِم العربي غير مسؤول عن محتوى المواقع الخارجية.