ثورة في تشخيص أورام الدماغ: شبكة DB-FGA-Net المتطورة تقدم دقة مذهلة!

تُعد أورام الدماغ من التحديات الكبرى في علم الأورام العصبية، حيث يُعتبر التشخيص المبكر والدقيق أمرًا حيويًا لضمان النجاح في العلاج. تمثل الأساليب المعتمدة على التعلم العميق في تصنيف أورام الدماغ قفزة نوعية، ولكنها غالبًا ما تعتمد على تحسين البيانات بشكل كبير، مما قد يؤثر سلبًا على قدرتها على التعميم والثقة في التطبيقات السريرية.

مؤخراً، تم اقتراح نموذج مبتكر يُعرف بشبكة DB-FGA-Net، التي تتبنى هيكلية مزدوجة تجمع بين نماذج VGG16 وXception. تم تصميم هذه الشبكة باستعمال وحدة انتباه مُحَصَّنة بالتردد (Frequency-Gated Attention (FGA)) بهدف التقاط الخصائص المحلية والعالمية بشكل متكامل. يبرز هذا النموذج أداءً تنافسيًا عاليًا ويحقق دقة تصل إلى 99.24% عند استخدام مجموعة بيانات 7K-DS في إعدادات أربع فئات، بالإضافة إلى 98.68% و99.85% في إعدادات ثلاث فئات واثنتين على التوالي.

ليس ذلك فحسب، بل إن نموذج DB-FGA-Net يُظهر قدرة عالية على التعميم بمعدل دقة يصل إلى 95.77% عند استخدام مجموعة بيانات مستقلة 3K-DS، مما يجعله يتفوق على العديد من الطرق الأساسية تحت نفس ظروف التجربة. ولضمان تعزيز الشفافية، تم دمج تقنية Grad-CAM التي تُساعد في تصور المناطق السرطانية، مما يُعزز الفجوة بين توقعات النموذج والتفسير السريري.

لرفع مستوى الاستخدام الإكلينيكي، تم تطوير واجهة مستخدم رسومية (Graphical User Interface (GUI) تسهل التصنيف الفوري وتحديد مناطق الأورام استنادًا إلى تحليل Grad-CAM. تشير هذه الاكتشافات إلى أن النماذج العميقة القابلة للتفسير والتي لا تعتمد على تحسين البيانات، مثل DB-FGA-Net، تحمل إمكانات قوية للترجمة السريرية الموثوقة في مجال تشخيص أورام الدماغ.