تحسين تصنيف اورام الدماغ باستخدام نموذج جديد من الشبكات العصبونية الالتفافية (CNNs) من صور الرنين المغناطيسي

الملخص

تعد اورام الدماغ من الأمراض الخطيرة والقاتلة، والتي قد تؤدي غالبا لانخفاض في متوسط العمر المتوقع للبشر. وان الكشف المبكر والدقيق عن طبيعة هذه الأورام وتصنيفها يعتبر ذو بالغة لوضع خطة العلاج المناسبة والتي من الممكن ان تؤدي لإطالة عمر المرضى المصابين بهذه الأورام. يعتبر التشخيص اليدوي للكميات الكبيرة من صور الرنين المغناطيسي للدماغ أمرا بالغ الصعوبة والتعقيد، ويتطلب من الطبيب المشخص خبرة عالية ودقة كبيرة في تصنيف كل نوع من انواع هذه الأورام تبعا لشكله وابعاده وموقعه في الدماغ البشرية،

وبالتالي لابد من تطوير نموذج ذكي يعتمد على التعلم العميق (DL) لتشخيص أورام الدماغ وتصنيفها بدقة. في هذه الدراسة سوف نقترح نموذجا جديدا للتعلم العميق (DL) يعتمد على الشبكات العصبونية الالتفافية (CNNs), حيث يستخدم هذا النموذج عددا من الخوارزميات الخاصة بالمعالجة الاولية لصور الرنين المغناطيسي و لتكون دخلا للشبكة العصبونية الالتفافية التي بدورها تحتوي بالإضافة لطبقة الدخل على عدد من الطبقات الالتفافية الداخلية المخفية والتي تقوم بعدد من العمليات الحسابية على بيانات الدخل لاستخراج الخصائص من صور الرنين المغناطيسي للدماغ وعدد من طبقات التجميع والتي تقوم باختيار اهم الخصائص من مجموع الخصائص المستخرجة, وطبقات الاتصال الكامل" والتي تقوم بإنشاء مسارات عصبونية إضافية بين الطبقات. يسمح هذا للشبكة بتعلّم العلاقات المعقدة بين الميزات وتقديم تنبؤات عالية المستوى. ان النتائج التي تم الحصول عليها بتطبيق النموذج الجديد قد حققت معدل دقة يصل الى 99.6% في مجموعة بيانات اورام الدماغ الخاصة بالرنين المغناطيسي والتي تم الحصول عليها من قاعدة بيانات kaggle Brain tumor dataset وخلال أطر زمنية تعد صغيرة نسبياً تجعل من هذا النموذج مفيداً بشكل كبير لأطباء الدماغ والأعصاب للمساعدة في اتخاذ قرارات تشخيصية سريعة ودقيقة.