# مقدمة
في عالم الذكاء الاصطناعي، يعد اكتشاف الأورام الدماغية التصوير بالرنين المغناطيسي (MRI) من التحديات التي تتطلب دقة عالية وقدرات تحليلية متقدمة. ومن هنا، نستعرض نموذجًا هجينًا يجمع بين تقنيات الشبكات العصبية الالتفافية (CNN) ومحولات الرؤية (ViT) لتحسين دقة التصنيف.

# تفاصيل النموذج
تم تصميم هذا النموذج الهجين لإيجاد مزيج مثالي بين خصائص CNN التي تتعامل بشكل جيد مع المعلومات المحلية وخصائص ViT التي تعزز فهم الاعتماديات العالمية على المدى الطويل. من خلال آلية بوابة الانتباه المتكيف (Adaptive Attention Gate)، يتمكن النموذج من تعلم أوزان ديناميكية لكل عينة ولكل خاصية، ما يسمح بالدمج السياقي بين التمثيلات المحلية والعالمية.

# أداء النموذج
ما يميز نموذجنا هو دقته العالية، حيث حقق نتائج مثيرة للإعجاب:
- دقة الاختبار: 97.60%
- الدقة: 97.30%
- استرجاع: 97.50%
- معدل F1: 97.40%
- المساحة تحت المنحنى (AUC): 0.9946

كل هذه الأرقام تفوق النماذج التقليدية الحالية من CNN وViT، مما يثبت فاعلية تقنية الوزن الديناميكي للخصائص في تصنيف الصور الطبية.

# الخاتمة
إن تحقيق هذه الدقة العالية في تصنيف الأورام الدماغية سيأتي بفوائد هائلة في مجال الطب، مما يسهل على الأطباء اتخاذ قرارات مستنيرة في الوقت المناسب.

**هل تعتقد أن هذه الأنظمة الهجينة ستحدث تحولًا في مجالات أخرى؟**