تطوير تقنيات متقدمة لتحسين تصنيف الأشعة السينية للكشف عن سرطان الثدي

في عالم الطب الحديث، تواصل تقنيات الذكاء الاصطناعي (AI) مسيرتها نحو توفير دعم أكبر في مجالات حساسة مثل الكشف عن سرطان الثدي. حيث أظهرت دراسات حديثة كيف يمكن لنموذج DETR متعدد المهام (Multi-task DETR) أن يسهم في تحسين دقة تصنيف الأشعة السينية والكشف عن الأورام.

تجري هذه الدراسة ضمن إطار عمل يستخدم تمثيلات مشتركة تدعم كل من التنبؤ بمستوى الخباثة في الصورة وتحديد مواقع الآفات. تم تقييم الأداء على مجموعتين من البيانات هما OPTIMAM و SGM1k، مع نتائج مذهلة!

أظهرت النتائج أن التقنيات الحديثة تتفوق بشكل كبير على التقنيات القديمة مثل ResNet، حيث حققت تقنيات مثل ConvNeXtV2 و DINOv3 نتائج استثنائية. على سبيل المثال، حقق ConvNeXtV2 في مجموعة بيانات OPTIMAM أداءً مذهلاً مع نسبة 97.96% في منحنى منحى التشغيل، و99.89% في الحساسية.

من جهة أخرى، كانت DINOv3 الأكثر تفوقًا على مجموعة بيانات SGM1k، حيث حققت 90.97% في منحنى منحى التشغيل، مع نسبة حساسية تبلغ 86.28%. هذه النتائج تبرز الأهمية الكبيرة لجودة التقنيات الأساسية في تحسين فعالية الفحوصات متعددة المهام.

بناءً على هذه النتائج، يُعتبر ConvNeXtV2 هو الأنسب كقاعدة CNN للكشف عن سرطان الثدي، مما يمهد الطريق لعصر جديد في استخدام الذكاء الاصطناعي في المجال الطبي. إذا كنت مهتمًا بتطورات الذكاء الاصطناعي في مجال الصحة، تابعونا للمزيد من الأخبار والتحديثات.