في عالم سريع التطور من تكنولوجيا الذكاء الاصطناعي، تحقق تقنيات مثل الشبكات العصبية الالتفافية (CNN) إنجازات مذهلة في مجالات مختلفة، خاصة في الطب. مؤخرًا، تم تقديم نموذج مبتكر يجمع بين قوة الشبكات العصبية الالتفافية (CNN) ومحوّل كونفوليوشنال مضغوط (CCT)، لتحسين فعالية الكشف عن سرطان الثدي من خلال صور الأشعة السينية.

تستخدم هذه التقنية الحديثة نماذج CNN المعروفة بقدرتها على معالجة الصور الطبية، حيث تعاني النماذج التقليدية من صعوبة في التقاط السياقات الطويلة. لكن مع ظهور نموذج CCT الجديد، يتمكن النموذج من إعادة تشكيل الميزات المستخرجة من CNN إلى عناصر مدمجة صغيرة عبر عملية تحويل ذكي، مما يعزز من الحفاظ على البناء المكاني للصورة بفضل استخدام تعزيزات للموقع.

تم اختبار النموذج على ثلاث مجموعات بيانات مختلفة لأشعة سرطان الثدي، باستخدام طريقة التحقق المتبادل ذات الخمسة أضعاف، حيث أظهر نتائج مذهلة وصلت إلى دقة تتراوح بين 99%-100%، مما يعكس قدرة قوية على التعميم. وبالإضافة إلى ذلك، تم دمج تقنيات الذكاء الاصطناعي القابل للتفسير (XAI) ضمن النموذج، مما يساهم في تعزيز الثقة السريرية من خلال توضيح عملية تصنيف سرطان الثدي للمستخدمين.

ما يميز هذا النموذج هو أنه يتغلب على قيود انحدار التدرج (Gradient Degradation) في المراحل الأخيرة من الشبكات العصبية، مما يجعله أكثر كفاءة من نماذج أخرى مثل ViT (Vision Transformer). بالإضافة إلى ذلك، أثبت النموذج فعاليته في التقاط الاعتمادات الطويلة بين مناطق الأنسجة الثديية، مما يجعله خيارًا مثاليًا في أنظمة التشخيص المدعومة بالكمبيوتر، خاصة في البيئات السريرية التي تعاني من قيود في الموارد.

إنه حقًا تحول ثوري في كيفية استخدام الذكاء الاصطناعي لتحسين جودة الرعاية الصحية الخاصة بسرطان الثدي. ما رأيكم في هذا التطور؟ شاركونا في التعليقات!