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




  • نموذج محول الرؤية متعدد المقاييس الهرمي للكشف الدقيق وتصنيف أورام الدماغ في التصوير الطبي القائم على الرنين المغناطيسي

    2025 | المؤلف: C. Sankari وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تقدم البحث إطار عمل جديد لتحويل الرؤية (ViT) معززًا بمنهجية الانتباه متعدد المقاييس الهرمي (HMSA) للكشف التلقائي وتصنيف أورام الدماغ، وخاصةً الدبقية، والورم السحائي، والورم الغدي النخامي، وأنسجة الدماغ السليمة. تشمل الابتكارات الرئيسية استراتيجية تضمين رقع متعددة الدقة تسهل استخراج الميزات على مقاييس مكانية مختلفة (8×8، 16×16، و32×32 رقعة)، وهندسة محول محسنة حسابيًا تقلل من…


  • تحسين تقسيم أورام الدماغ في التصوير الطبي باستخدام تجميع سياقي متعدد المقاييس متعدد الأنماط ودمج الانتباه

    2025 | المؤلف: Waqar Aslam وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تقدم ورقة البحث إطارًا جديدًا يسمى التجميع السياقي متعدد المقاييس متعدد الأنماط مع دمج الانتباه (MM-MSCA-AF) يهدف إلى تحسين تقسيم أورام الدماغ من مسحات الرنين المغناطيسي متعددة الأنماط، وهو أمر أساسي للتشخيص الفعال وتخطيط العلاج. يتناول الإطار التحديات التي تطرحها تباين الأورام وتنوع تسلسلات الرنين المغناطيسي من خلال استخدام التجميع السياقي متعدد المقاييس لالتقاط كل…


  • تصنيف مرض الزهايمر باستخدام نموذج تعلم عميق قائم على MaxViT باستخدام التصوير بالرنين المغناطيسي

    2025 | المؤلف: Emrah Aslan وآخرون | المجلة: Journal of Applied Science and Technology Trends | المجال: طب الأعصاب (Neurology)

    تقدم هذه الدراسة نموذجًا قائمًا على محول الرؤية متعدد المحاور (MaxViT) مصممًا لتصنيف أربع مراحل من مرض الزهايمر (AD) باستخدام صور الرنين المغناطيسي للدماغ. تتناول الدراسة التحديات المتعلقة بالتشخيص المبكر لمرض الزهايمر، والذي غالبًا ما يتضمن أعراضًا دقيقة تتداخل مع الشيخوخة الطبيعية. من خلال استخدام التعلم الانتقالي وتقنيات تعزيز البيانات القوية على مجموعة بيانات الرنين…


  • نموذج هجين محسّن للتعلم العميق للكشف عن مرض الزهايمر

    2025 | المؤلف: A. Sundar Raj وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تقدم البحث نموذج تعلم عميق هجين محسن للكشف المبكر عن مرض الزهايمر، مع معالجة قيود الطرق التقليدية في تحديد ضعف الإدراك المعتدل (MCI). يستخدم النموذج خوارزمية Inception v3 لاستخراج الميزات وخوارزمية ResNet 50 للتصنيف، معززة بخوارزمية تحسين رايدر التكيفية (ARO) لضبط المعلمات. تشير النتائج التجريبية على مجموعة بيانات مرجعية للزهايمر إلى أن النموذج يحقق دقة…


  • تصوير ISAC بواسطة معلومات حالة القناة باستخدام تتبع الأشعة للجيل القادم

    2025 | المؤلف: Ahmad Bazzi وآخرون | المجلة: IEEE Journal of Selected Topics in Electromagnetics Antennas and Propagation | المجال: طب الأعصاب (Neurology)

    تقدم الورقة إطار عمل للتصوير المتكامل للحساسية والاتصالات (ISAC) مصمم لأنظمة الاتصالات اللاسلكية من الجيل السادس (6G)، والتي تعمل بشكل خاص عند 6.75 جيجاهرتز في النطاق المتوسط العلوي. يستفيد هذا الإطار من معلومات حالة القناة (CSI) لاستخراج مكونات المسار القابلة للحل، وتحويلها إلى نقاط انعكاس ثلاثية الأبعاد مكافئة (ERPs) من خلال خوارزمية جديدة لتحسين نقاط…


  • تحسين تصنيف أورام الدماغ من خلال التعلم الانتقالي القائم على

    2025 | المؤلف: Mehwish Rasheed وآخرون | المجلة: Discover Oncology | المجال: طب الأعصاب (Neurology)

    تقدم ورقة البحث طريقة آلية لتصنيف أورام الدماغ باستخدام بنية DenseNet121 مع التعلم الانتقالي، المطبقة على بيانات التصوير بالرنين المغناطيسي. تؤكد الدراسة على الحاجة الملحة للتشخيص المبكر والدقيق لأورام الدماغ، والتي تتميز بالنمو غير المنضبط للخلايا غير الطبيعية. غالبًا ما تكون طرق التشخيص الحالية غير فعالة وتعتمد على التفسير اليدوي، مما يؤدي إلى نتائج غير…


  • التعلم العميق المحسّن لكشف أورام الدماغ: نهج هجين مع آليات الانتباه والشرح السريري

    2025 | المؤلف: Aditya Jayesh Aiya وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تقدم البحث نموذج تعلم عميق هجين لتصنيف أورام الدماغ (BTC) باستخدام التصوير بالرنين المغناطيسي (MRI)، مدمجًا VGG16، وآلية انتباه، ومعلمات محسّنة. يصنف هذا النموذج الأورام إلى ورم دبقي، ورم سحائي، ورم في الغدة النخامية، وعدم وجود ورم، محققًا دقة ملحوظة تبلغ 99% على مجموعة بيانات تتكون من 7023 صورة MRI. تستخدم الطريقة تقنيات معالجة مسبقة…


  • تصنيف أورام الدماغ باستخدام بيانات معززة بواسطة GAN مع مشفرات تلقائية ومحولات سوين

    2025 | المؤلف: Abdullah Almuhaimeed وآخرون | المجلة: Frontiers in Medicine | المجال: طب الأعصاب (Neurology)

    تقدم ورقة البحث نموذجًا جديدًا للتعلم العميق يدمج بين Swin Transformer وشبكة الخصومة المشروطة المعززة (AE-cGAN) لمعالجة تعقيدات تصنيف أورام الدماغ. غالبًا ما تتجاهل الطرق التقليدية الميزات الحرجة بسبب عدم توازن البيانات وقدرات استخراج الميزات المحدودة. يعزز النموذج المقترح تنوع مجموعة البيانات من خلال توليد الصور الاصطناعية عبر AE-cGAN، بينما يلتقط Swin Transformer بشكل فعال…


  • تحسين اكتشاف أورام الدماغ بواسطة التصوير بالرنين المغناطيسي باستخدام التعلم العميق بالتزامن مع تحليل ميزات متعددة ومتنوعة قائم على الذكاء الاصطناعي القابل للتفسير

    2025 | المؤلف: Asif Rahman وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تبحث الورقة البحثية في التقدم في التصوير الطبي لتحديد أورام الدماغ، مع التأكيد على تفوق التصوير بالرنين المغناطيسي (MRI) على الطرق التشخيصية التقليدية. تستكشف تقنيات تمثيل الميزات المختلفة، بما في ذلك الأنماط الثنائية المحلية (LBP)، مرشحات جابور، تحويل المويجات المنفصلة (DWT)، تحويل فورييه السريع (FFT)، الشبكات العصبية التلافيفية (CNN)، ومصفوفة طول التشغيل الرمادي (GLRLM)، بالتزامن…


  • تحسين تقسيم أورام الدماغ في صور الرنين المغناطيسي باستخدام U-Net والتعلم الانتقالي

    2025 | المؤلف: Amin Pourmahboubi وآخرون | المجلة: BMC Medical Imaging | المجال: طب الأعصاب (Neurology)

    يتناول القسم أهمية تقسيم أورام الدماغ تلقائيًا من صور الرنين المغناطيسي، مشددًا على دوره الحاسم في الممارسة السريرية لتعريف حدود الورم، ومراقبة تقدم المرض، وتخطيط العلاج. بينما يُعتبر التقسيم اليدوي من قبل أطباء الأشعة هو المعيار الذهبي، إلا أنه يستغرق وقتًا طويلاً ويخضع للتفاوت، مما يبرز الحاجة إلى طرق تلقائية موثوقة. تعقيد الأورام، التي يمكن…


←السابق
1 … 4 5 6 7 8 … 15
التالي→

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