فحص الثدي بالموجات فوق الصوتية هو وسيلة لا غنى عنها للتشخيص المبكر لسرطان الثدي، ولكنه يواجه تحديات في تصنيف الأورام الحميدة والخبيثة بسبب تنوع الأورام وحدودها غير الواضحة وعدم توازن البيانات. لذلك، قدّم العلماء ابتكاراً جديداً في شكل شبكة "Cross-Stage Attention Mixture-of-Experts Network" (CSA-MoE-Net).

تستند هذه الشبكة على نموذج "ResNet-18" المعزز بتقنية انتباه متعددة المراحل، حيث يقوم نموذج الانتباه بإعادة ضبط الميزات متعددة المستويات بشكل تكيفي، مما يُعزز من الميزات الأساسية للأورام ويقلل من الفائض.

تتكون الشبكة من ثلاث فروع، حيث يتعلم كل فرع ميزات متكاملة من صورة الورم الكاملة، وك core الورم، وحدوده. ويتم دمج هذه الميزات بواسطة شبكة "Adaptive Gating Network" لالتقاط المعلومات المورفولوجية والنسيجية والسياقية. تعرف الميزات المتكاملة في هذه المعمارية باسم "Fused Expert Feature" (FEF).

أظهرت التجارب التي أجريت على مجموعة بيانات متوازنة تضم 2129 صورة من فحوصات الموجات فوق الصوتية للثدي، أن النموذج حقق دقة متوسطة بلغت 96.33%، ودقة إيجابية مقدارها 94.09%، واسترجاع بنسبة 98.53%، ونقاط F1 وصلت إلى 96.25%، بالإضافة إلى AUC بقيمة 99.50%. مقارنةً بقاعدة "ResNet-18"، تحسنت هذه المعايير بمقدار 3.01 و0.70 و5.37 و2.98 و5.42 نقطة مئوية على التوالي.

الميكانيزم المقترح لا يتطلب تعديلات جراحية ويمكن دمجه بسلاسة في نماذج مثل "VGG-16" و"DenseNet-121"، مما يضمن تحسينات مستقرة في الأداء. هذه الابتكارات تقدم دعماً موثوقاً للتشخيص المعتمد على الكمبيوتر، مما قد يُحدث تحولاً في كيفية التعامل مع فحوصات سرطان الثدي.