Year: 2025
Type: article
Abstract: يشهد طب الجلدية تطوراً ملحوظاً بفضل التعلّم الآلي، حيث ساعدت النماذج العميقة والبيانات الكبيرة في تعزيز الطرق التقليدية للتشخيصز تهدف هذه الورقة تطوير نموذج فعّال لتصنيف صور سرطان الجلد بدقة إلى فئتين: سرطان حميد وخبيث، مما يساهم في تعزيز جهود الكشف المبكر. اعتمدت المنهجية على استخدام ثلاثة نماذج مخصّصة من الشبكات العصبية الالتفافية (CNN) لاستخراج الخصائص المهمة من صور الجلد المأخوذة بالدرماتوسكوب، مع التركيز بشكل خاص على خصائص حدود الورم الميلانيني. فعادةً ما تتميّز الأورام الحميدة بحواف ناعمة ومنتظمة، بينما تظهر الأورام الخبيثة حدودًا غير منتظمة وخشنة. تم تدريب نماذج الـشبكات العصبية CNN على مجموعة بيانات تضم صورًا لحالات حميدة وخبيثة، كما تم تطبيق عمليات معالجة مسبقة، مثل زيادة البيانات، لتحسين أداء النماذج. وقد جرى تقييم أداء النماذج باستخدام مقاييس معيارية تشمل الدقة الإيجابية (precision)، الاسترجاع (recall)، درجة F1، ونسبة الدقة. حققت النماذج الثلاثة نسب دقة على مجموعة التحقق بلغت 91%، 88%، و94% في تصنيف حالات الميلانوما على التوالي. أما بالنسبة لتصنيف الحالات الحميدة، فبلغت الدقة 92%، 89%، و95%. وقد قدّم النموذج الثالث الأداء الأفضل، حيث حقق قيم دقة واسترجاع بلغت 93% و95% للحالات الحميدة، و92% و94% لحالات الميلانوما. وبشكل عام، تفوّق النموذج الثالث باستمرار على النموذجين الآخرين، وقدم أداءً متوازنًا وممتازًا في التمييز بين الأورام الحميدة والخبيثة.
Institution: University of Tripoli
Language: Arabic
Subfield: Oncology
Field: Medicine
Domain: Health Sciences
Open Access status: diamond
OpenAlex ID: W4416680641