الفهرس 
Introduction and Literature ReviewOnly 14 pages are availabe for public view
 |  | from | 116 |  |  |
| | | from | 116 | | |
Abstract
يعتمد التشخيص والتخطيط العلاجي للمرضى الذين يعانون من أورام الدماغ إلى حد كبير على التشخيص الدقيق. من خلال الجمع بين طرائق التصوير المقطعي المحوسب (CT) والتصوير المقطعي بالإصدار البوزيتروني (PET)، يقدم هذا العمل نموذجًا هجينًا جديدًا للتعلم العميق لتصنيف أورام المخ. يتم تحقيق الأداء الجيد من خلال النموذج من خلال الاستفادة من مزايا كل من محول Swin وEfficientNet-B5. يستخدم النموذج بنية متوازية، باستخدام مزايا EfficientNet-B5 ومحول Swin في استخراج الميزات. بينما يضيف EfficientNet-B5 إلى الكفاءة الحسابية، يلتقط محول Swin العلاقات المكانية المعقدة داخل البيانات متعددة الوسائط. يتم تصنيف أورام الدماغ على نطاق واسع على أنها حميدة (منخفضة الدرجة، I وII) أو خبيثة (عالية الدرجة، III وIV). الأورام الحميدة، التي تتميز بالنمو البطيء والطبيعة غير السرطانية، تتناقض مع الأورام الخبيثة، التي تظهر نموًا سريعًا وميولًا غازية. يعد الاكتشاف المبكر أمرًا بالغ الأهمية لتعزيز معدلات البقاء على قيد الحياة، وتشمل طرق تشخيص سرطان الدماغ المتاحة كلا من الأساليب الغازية مثل الخزعة والأساليب غير الغازية مثل طرائق التصوير مثل التصوير المقطعي (CT) والتصوير بالرنين المغناطيسي (MRI). بالمقارنة مع التقنيات الحالية، تظهر نتائجنا التجريبية أن النموذج الهجين المقترح يؤدي أداء أفضل. تبلغ دقة التصنيف الإجمالية للطرق المقترحة 97.6%، مع استدعاء 96.9%، ودقة 97.3%، وخصوصية 97.4%، و95.1% درجة F1. وهو يميز الحالات التي تحتوي على أورام أو لا تحتوي عليها بدقة عالية واستدعاء ومقاييس مهمة أخرى. يوضح هذا الإنجاز فعالية الجمع بين محول Swin وEfficientNet-B5 في تصنيف أورام المخ المستندة إلى الصور المقطعية والتصوير المقطعي المحوسب (PET) متعدد الوسائط.