تشخيص سرطان الدماغ في الصور بناءاً على التعلم العميق
الكلمات المفتاحية:
الذكاء الاصطناعي، سرطان الدماغ، الشبكات العصبية التلافيفية، التعلم العميق، الشبكة العصبية العميقة، الوحدة المتكررة المغلقة، الذاكرة طويلة المدى، التصوير بالرنين المغناطيسي، آلة الدعم المتجهيالملخص
تعتمد الطرق التقليدية لتشخيص سرطان الدماغ على التفسير اليدوي للصور الطبية، والتي لها قيود مثل الذاتية والخطأ البشري. في السنوات الأخيرة، أظهر استخدام التعلم العميق في تشخيص سرطان الدماغ نتائج واعدة، وخاصة في الكشف عن أنواع مختلفة من أورام المخ وتصنيفها. يهدف هذا البحث إلى تطوير طريقة دقيقة وفعالة لتشخيص سرطان الدماغ في الصور الطبية باستخدام ست تقنيات للتعلم العميق. تم تدريب الخوارزميات على مجموعتين كبيرتين من البيانات من موقع Kaggle العالمي. كانت نتائج دقة التشخيص مختلطة. عند اختبارها على مجموعة البيانات الأولى، حققت CNN وCNN-GRU 99٪، بينما حققت VGG19 94٪، وحققت CNN-LSTM 92٪، وكانت CNN-SVM مقنعة إلى حد ما بدقة 87٪، وتأخر DNN بشكل منخفض جدًا مقارنة ببقية النماذج بدقة 61٪. عند تطبيقها على مجموعة البيانات الثانية، أظهرت النتائج أن CNN حافظت على كفاءتها بدقة 99٪، وفشلت CNN-GRU عند مقارنتها بالنتائج المحققة على مجموعة البيانات الأولى بدقة 60٪. حققت نماذج CNN-LSTM وVGG19 وCNN-SVM نتائج بنسبة 97% و96% و95% على التوالي. بالإضافة إلى ذلك، لم تحقق DNN أيضًا نتائج جيدة بدقة 62%.
