الذكاء الاصطناعي ومشكلات العالم الصعبة · الطب واكتشاف الأدوية · Nature (computational biology) · 2026-10-17

إطار تعلّم عميق هرمي قابل للتفسير للكشف عن سرطان الرئة والقولون

العنوان الأصلي: An interpretable hierarchical deep learning framework for lung and colon cancer detection

يصعب تصنيف سرطان الرئة والقولون من صور الأنسجة المرضية لأن الفئات تبدو متشابهة وتتباين مورفولوجيا الأنسجة، كما أن نماذج التعلّم العميق التقليدية لا توفر شفافية تُذكر. قسّم المؤلفون المهمة ذات الفئات الخمس إلى مراحل من الخشن إلى الدقيق: أولًا السليم مقابل السرطاني، ثم مصنِّف متخصص لفئات الأنسجة السليمة أو للأنواع الفرعية للسرطان، مع اختيار أفضل بنية لكل مرحلة. حقق الإطار دقة بلغت 98.50% على مجموعة LC25000 و82.01% على مجموعة LungHist700 المستقلة، واستُخدمت أساليب Grad-CAM وGrad-CAM++ وLIME وOcclusion Sensitivity لإبراز مناطق الصورة التي تقف وراء تنبؤاته.

اقرأ المصدر الأصلي ↗

جميع العناصر →