الذكاء الاصطناعي ومشكلات العالم الصعبة · الطب واكتشاف الأدوية · Nature (computational biology) · 2026-10-18

إطار عمل للتعلم العميق متعدد المهام لتصنيف أورام الدماغ وتجزئتها باستخدام استخراج الميزات التجميعي

العنوان الأصلي: Multi-task deep learning framework for brain tumor classification and segmentation using ensemble feature extraction

يُعدّ التشخيص المبكر والدقيق لأورام الدماغ أمرًا أساسيًا لتخطيط العلاج، لكن المراجعة اليدوية لصور الرنين المغناطيسي بطيئة وعرضة للخطأ البشري، كما أن إجراء التصنيف والتجزئة بشكل منفصل يزيد من التكلفة الحسابية. يقترح المؤلفون إطار عمل للتعلم العميق متعدد المهام يجمع بين ResNet-50 وEfficientNet-B5 وميزات الشبكات العصبية الالتفافية (CNN) مع وحدات انتباه، ويدمجها عبر ترجيح ديناميكي. يقوم الإطار بالتصنيف أولًا، ولا يشغّل التجزئة باستخدام U-Net++ إلا عند اكتشاف ورم، وقد سجّل على مجموعة بيانات عامة لصور الرنين المغناطيسي دقة تصنيف بلغت 99.84%، ومعامل Dice بلغ 91.22%، وIoU بلغ 89.01%.

اقرأ المصدر الأصلي ↗

جميع العناصر →