تصنيف أورام الدماغ باستخدام نموذج التعلم العميق الهجين: وشبكة جوجل انسبشن اصدار2 121 الاستفادة من بنيات الشبكة العصبونية الكثيفة
DOI:
https://doi.org/10.47372/ejua-ba.2024.4.402الكلمات المفتاحية:
تصنيف أورام المخ، نموذج التعلم العميق، الشبكة العصبونية الكثيفةالملخص
تمثل أورام المخ واحدة من أشد أشكال السرطان حده، مما يشكل تحديات كبيرة بسبب طبيعتها المعقدة وموقعها الحرج. التشخيص الدقيق والمبكر أمر بالغ الأهمية للعلاج الفعال وتحسين نتائج المرضى. في هذه الدراسة، أقترح نموذجًا جديدًا للتعلم العميق الهجين يجمع بين نقاط القوة في بنيات الشبكة العصبونية الكثيفة121 (DenseNet121) وشبكة جوجل انسبشن الاصدار2 (InceptionV2) لتعزيز دقة تصنيف أورام المخ. يتم استخدام مجموعة بيانات أورام المخ Figshare Brain Tumor التي تضم 3064 صورة تصوير بالرنين المغناطيسي معززة بالتباين T1 من 233 مريضًا، لتدريب وتقييم النموذج المقترح. تتضمن مجموعة البيانات ثلاث فئات أولية من الأورام: الورم الدبقي والورم السحائي، وأورام الغدة النخامية. يتم تطبيق خطوات المعالجة المسبقة مثل التطبيع، وتغيير الحجم، وزيادة البيانات لضمان اتساق المعلومات وتعزيز قوة النموذج. يسهل مكون الشبكة العصبونية الكثيفة121 (DenseNet121) للنموذج الهجين إعادة استخدام الميزات بكفاءة من خلال طبقات متصلة بكثافة، بينما يلتقط مكون انسيبشن - الإصدار2 (InceptionV2)، معلومات سياقية متعددة المقاييس عبر طبقات تلافيفية متوازية. يتيح هذا المزيج للنموذج الاستفادة من الميزات التفصيلية وعالية المستوى، مما يؤدي إلى تحسين أداء التصنيف. يتم تقييم النموذج الهجين المقترح باستخدام مقاييس معيارية، مما يدل على تحسينات كبيرة في الدقة والمتانة والتعميم مقارنة بنماذج الأبنية الفردية. تسلط هذه الدراسة الضوء على إمكانات نماذج التعلم العميق الهجين في تطور أو تقدم تصنيف أورام المخ، مما يوفر اتجاهًا واعدًا للأبحاث المستقبلية الطبية والتطبيقات السريرية.
التنزيلات
