توصل باحثون في جامعة RUDN بالتعاون مع علماء من الصين والمملكة العربية السعودية إلى تطوير نموذج تعلم آلي يعزز بشكل كبير دقة تشخيص سرطان الثدي باستخدام صور التشريح. من خلال دمج وحدات الانتباه الإضافية في الشبكات العصبية التكنولوجية التحوسبية ، حقق النموذج معدل دقة يصل إلى 100 ٪. من المتوقع أن يؤدي هذا الاختراق التكنولوجي إلى تخفيف العبء على الأطباء وتحسين علاج وتشخيص سرطان الثدي وتعزيز إمكانات التحليل الشامل لصور الطبية.
في مجال التشخيص الطبي ، تؤثر التشخيص الدقيق والموثوق في توقعات مرضى سرطان الثدي إلى حد كبير. ومع ذلك ، قد تؤدي العوامل الذاتية وجودة العينات في كثير من الأحيان إلى تشخيصات غير صحيحة بناءً على نتائج التشريح. ولحل هذه المشكلة ، قام فريق من الرياضيين في جامعة RUDN باستكشاف إمكانات التعلم الآلي للتعرف بدقة أكبر على السرطان في صور التشريح.
تضمنت طريقتهم اختبار مجموعة متنوعة من الشبكات العصبونية التكنولوجية التحوسبية المتكاملة مع وحدات انتباه ثنائية الأبعاد. صُممت هذه الوحدات الإضافية لتعزيز قدرة الشبكة على اكتشاف التكوينات السرطانية داخل الصور. تم تدريب النموذج وتقييمه باستخدام مجموعة البيانات BreakHis ، التي تضمنت ما يقرب من 10 آلاف صورة تشريحية حصل عليها من 82 مريضًا.
من بين النماذج المختبرة ، كان النموذج الذي أتى بأكثر النتائج الواعدة هو تكوين الشبكة التحوسبية DenseNet211 مع وحدات انتباه. حقق هذا النموذج معدل دقة مذهل يبلغ 99.6٪. خلال بحوثهم ، لاحظ العلماء أيضًا أن التعرف على تكوينات السرطان تتأثر بالمقياس. وبالتالي ، أكدوا ضرورة النظر في تقنية التقريب المناسبة للتطبيقات العملية في العالم الحقيقي.
وفقًا للدكتور عمار مثنى ، مدير المركز العلمي لنمذجة شبكات 5G اللاسلكية في جامعة RUDN ، فإن وحدات الانتباه قد ساهمت بشكل كبير في تحسين أداء النموذج العام ، مما يعزز استخلاص الميزات ويسمح للنموذج بالتركيز على المناطق الحرجة في الصور. يشدد مثنى على أهمية آليات الانتباه في تحليل الصور الطبية ، مشيرًا إلى أن هذه التكنولوجيا المبتكرة لن تخفف فقط العبء على الأطباء ولكنها ستعزز أيضًا دقة الاختبارات وستعود بالنفع على علاج وتشخيص سرطان الثدي.
The source of the article is from the blog jomfruland.net