الخميس 21 نوفمبر 2024 الموافق 19 جمادى الأولى 1446
المشرف العام
محمود المملوك
مستشار التحرير
د. خالد منتصر
المشرف العام
محمود المملوك
مستشار التحرير
د. خالد منتصر

ثورة في اكتشاف سرطان الجلد باستخدام الشبكات العصبية التلافيفية

الخميس 22/فبراير/2024 - 08:01 ص
سرطان الجلد
سرطان الجلد


يتطور عالم العلوم والتكنولوجيا الطبية بشكل مستمر، حيث يتخطى الباحثون والعلماء الحدود وتطوير حلول مبتكرة. أحد هذه الأساليب الرائدة التي تم تقديمها مؤخرًا هو استخدام بنية الشبكة العصبية التلافيفية (CNN) لتحديد سرطان الجلد بدقة.

 تم تصميم هذا النموذج لزيادة دقة وفعالية التعرف على سرطان الجلد، والذي كان تقليديًا مهمة صعبة بسبب المشكلات المتعلقة باستخراج الميزات، وتصميم بنية النموذج، وتحسين المعلمات الفائقة.

منهجيات التعلم العميق في العمل

يستفيد النموذج المقترح من منهجيات التعلم العميق المتقدمة لاستخراج الميزات والأنماط المعقدة من صور سرطان الجلد. ومن خلال القيام بذلك، فإنه يعالج التحديات الكبيرة المتمثلة في التعرف على سرطان الجلد. 

النموذج عبارة عن مزيج من MobileNet-V3 وقد تم تحسينه ليتفوق على تقنيات الكشف عن سرطان الجلد وتقسيمه الحالية. توضح النتائج التجريبية الدقة العالية بنسبة 97.84%، والحساسية بنسبة 96.35%، والدقة بنسبة 98.86%، والخصوصية بنسبة 97.32% للنموذج المقترح.

التكنولوجيا بمساعدة الكمبيوتر للكشف المبكر

وفقا لمراجعة منهجية، كان هناك اهتمام متزايد باستخدام التكنولوجيا بمساعدة الكمبيوتر للكشف المبكر عن سرطان الجلد من خلال تحليل الصور بالمنظار الجلدي. 

أجرت الدراسة تحليلا نقديا لـ 45 دراسة معاصرة وحددت العديد من تقنيات الرؤية الحاسوبية المتعلقة بمعالجة الصور والفيديو التي يمكن استخدامها للتشخيص المبكر لسرطان الجلد. 

وتؤكد الدراسة أيضًا على التقدم الكبير في اكتشاف السرطان باستخدام خوارزميات التعلم العميق والتعلم الآلي.

نماذج جديدة لتجزئة الآفة الجلدية وتصنيفها

اقترح مقال حديث نموذج Deeplabv3 الجديد والمحول القائم على الرؤية لتجزئة وتصنيف الآفات الجلدية. تم تقييم نموذج تجزئة DeepLabv3، المصمم بـ 9 كتل شبكة عصبية تلافيفية، على مجموعات بيانات ISIC 16 و17 و18 وPH2، مما يوفر دقة عالية. 

تم تطوير نموذج Vision Transformer ViT لتصنيف الآفات الجلدية وكان أداؤه أفضل من CNN. ناقش المقال أيضًا القيود المفروضة على التحديد الدقيق لـ SC ومساهمات النماذج المقترحة.

تحسين المعلمات الفائقة لتحسين الدقة

علاوة على ذلك، تم تقديم تحليل مفصل لاستخدام الشبكات العصبية التلافيفية (CNN) للكشف عن سرطان الجلد على صفحة الويب. وناقشت عملية تحسين المعلمة الفائقة لتحسين دقة نموذج CNN للكشف عن سرطان الجلد. كما تضمنت دراسات حالة ونتائج بحثية حول فعالية السي إن إن في الكشف عن سرطان الجلد.