شبكة DB-FGA-Net: ثورة في تصنيف أورام الدماغ باستخدام الانتباه الموجه وتحليل Grad-CAM

تعد أورام الدماغ واحدة من أكثر التحديات تعقيداً في مجال الأعصاب، حيث أن التشخيص المبكر والدقيق يعد أمراً حيوياً لتحقيق العلاج الناجح. وعلى الرغم من ذلك، فإن الطرق المستخدمة في تصنيف أورام الدماغ المعتمدة على التعلم العميق غالباً ما تعتمد على تكنولوجيا التحسين البياني المكثف، مما قد يؤثر سلباً على موثوقيتها في التطبيقات السريرية.

في دراسة جديدة، تم تقديم نموذج مبتكر يُعرف باسم "DB-FGA-Net" والذي يجمع بين تقنيتي VGG16 وXception في هيكل مزدوج العمود. إضافة إلى ذلك، يعتمد النموذج على تقنية "Frequency-Gated Attention" (FGA) التي تهدف إلى التقاط الميزات المحلية والعالمية التكميلية. يُظهر النموذج أداءً متميزاً حيث سجل دقة تصل إلى 99.24% عند استخدام مجموعة بيانات تتكون من 7000 صورة في إعداد مكون من أربع فئات، بينما حقق 98.68% و99.85% في إعدادات الثلاث واثنتين من الفئات على التوالي.

ورغم التحديات المرتبطة بتنوع حجم وتوزيع البيانات، فإن DB-FGA-Net أثبت قوته من خلال أداء ممتاز يصل إلى 95.77% على مجموعة بيانات مستقلة تحتوي على 3000 صورة، متفوقاً على العديد من الطرق التقليدية الأخرى.

أيضاً، تم دمج تقنية Grad-CAM بشكل يدعم الشفافية من خلال تصور المناطق الخاصة بالأورام، مما يجعل من السهل فهم كيفية استنتاج النموذج لتوقعاته، وبالتالي تضييق الفجوة بين النماذج التنبؤية والقدرة على تفسيرها في السريرية.

كما تم تطوير واجهة رسومية تفاعلية (GUI) تتيح تصنيف الأورام في الوقت الحقيقي مع تحديد مواقعها بناءً على صور Grad-CAM، مما يعزز فاعلية استخدام هذه التقنية في البيئات الطبية.

تظهر هذه النتائج المبهرة أن النماذج القابلة للتفسير والتي لا تعتمد على تحسين البياني كـ DB-FGA-Net لديها إمكانيات قوية للتحول إلى تقنيات موثوقة في تشخيص أورام الدماغ.