تصنيف ثنائي المرحلة لأنواع الأورام الدبقية (Gliomas) باستخدام نموذج هجين يجمع بين الشبكات العصبية التلافيفية (CNN) ومحولات الرؤية (ViT)

تُعد الأورام الدبقية من أخطر أنواع أورام الدماغ نظراً لطبيعتها العدوانية. وقد أتاحت التطورات الأخيرة في الأساليب الآلية للكشف المبكر عن أورام الدماغ -من خلال تحليل صور كاملة لشرائح أنسجة الدماغ- إمكانية الوصول إلى تشخيص سريع ودقيق. وبناءً على ذلك، نقترح نهجاً هجيناً يدمج بين الشبكات العصبية التلافيفية (CNN) ومحولات الرؤية (ViT) لإجراء تحليل عميق لأجزاء (patches) من صور الشرائح النسيجية. يعتمد هذا النموذج الهجين استراتيجية تصنيف ثنائية المرحلة للتعامل مع التوزيع غير المتوازن للفئات؛ حيث تُستخدم في المرحلة الأولى خوارزمية تصنيف ثنائية لتحديد ما إذا كان الجزء النسيجي طبيعياً أم غير طبيعي، بينما تُستخدم في المرحلة الثانية خوارزمية تصنيف متعددة الفئات لتحديد نوع الورم الدبقي بدقة. عند تقييم هذا النموذج الهجين على مجموعة بيانات اختبار غير متوازنة، حقق نتائج متميزة تمثلت في أعلى دقة متوازنة (95.31%)، ومتوسط ​​دقة كلي (macro-averaged precision) بلغ 96.08%، ومتوسط ​​درجات F1 (macro-averaged F1-score) بلغ 95.51%. وقد نجح هذا النهج ثنائي المرحلة في معالجة مشكلة عدم توازن الفئات. علاوة على ذلك، تمكن النموذج الهجين -بدمجه بين الشبكات العصبية التلافيفية ومحولات الرؤية- من استخلاص سمات أكثر عمقاً، مما أدى إلى تحقيق أداء فائق يتفوق على أحدث الطرق والتقنيات المتاحة حالياً في هذا المجال. المزيد