الكشف و تصنيف سرطان عنق الرحم باستخدام خوارزمية النسر الاصلع المحسنة للبحث مع التعلم العميق

الباحث: الدكتور محمد خيري إسحاق ، جامعة عجمان


تقدم الورقة البحثية، " الكشف و تصنيف سرطان عنق الرحم باستخدام خوارزمية النسر الاصلع المحسنة للبحث مع التعلم العميق "، نهجًا جديدًا للكشف الآلي وتصنيف سرطان عنق الرحم باستخدام تقنيات التعلم العميق المتقدمة وتقنيات التحسين. يتماشى اعتماد مثل هذه الحلول المتقدمة بالذكاء الاصطناعي مع التزام دولة الإمارات العربية المتحدة بالاستفادة من التقنيات المتطورة لتعزيز نظام الرعاية الصحية لديها وتحسين نتائج الكشف المبكر عن السرطان.
 
سرطان عنق الرحم هو السرطان الرابع الأكثر شيوعًا الذي يؤثر على النساء في جميع أنحاء العالم. يمكن أن تتزايد معدلات الوفيات والاصابة بشكل مستمر، خاصة في الدول النامية، بسبب نقص خدمات الفحص، وانعدام الوعي، وندرة الخبراء المؤهلين. يتم فحص سرطان عنق الرحم باستخدام اختبار فيروس الورم الحليمي البشري  (HPV)، واختبار بابانيكولاو  (Pap)، واختبار النسج المرضية، والفحص البصري بعد تطبيق حمض الأسيتيك .يمكن أن تحدث اختلافات بين الملاحظين وفي ملاحظاتهم عند استخدام أسلوب التحليل اليدوي، مما يؤدي إلى أخطاء في التشخيص. وقد استغلت الدراسات السابقة إما طرق التعلم العميق (DL) أو التعلم الآلي ,(ML)  حيث أن الأولى قد لا تكون فعالة لأنها تحتاج إلى تقسيم وتجميع ميزات مصنوعة يدويًا تتطلب مراحل حرجة. يتم استكشاف طرق التشخيص المدعومة بالذكاء الاصطناعي بشكل عام لتحديد سرطان الرحم من أجل تحسين أساليب الفحص التقليدية. تقدم هذه الدراسة خوارزمية النسر الأصلع المحسنة  للكشف والتصنيف القائم على التعلم العميق لسرطان عنق الرحم (IBESODL-CCDC) . يكمن هدف خوارزمية IBESODL-CCDC في التصنيف والكشف التلقائي عن سرطان الرحم. في التقنية المعروضة IBESODL-CCDC، تحدث عملية تعزيز التباين لتحسين جودة الصور. بالإضافة إلى ذلك، تستخدم تقنية IBESODL-CCDC  نموذج LeNet معدلاً لاستخراج الميزات. للكشف عن سرطان الرحم، تطبق تقنية IBESODL-CCDC شبكة ذاكرة طويلة وقصيرة الأمد (ALSTM) المعتمدة على الانتباه.
 
تم تطبيق تجربة شاملة للتحقق من النتائج الكبرى لتقنية IBESODL-CCDC . تبرز القيم التجريبية الأداء الملحوظ لخوارزمية IBESODL-CCDC مقارنةً بأنظمة حديثة أخرى. تمتلك خوارزمية IBESODL-CCDC تطبيقات عملية من مجال تحليل السرطان، حيث يمكن أن تحسن بشكل كبير من دقة التعرف المبكر، مما يقلل من خطر الخطأ في التشخيص ويعزز نتائج المرضى. علاوة على ذلك، أتمتتها وقدراتها المتقدمة في التعلم العميق تدعم تسديد الفجوة في المناطق التي تعاني من قيود على الوصول إلى المختصين المؤهلين في الرعاية الصحية، مما يجعل فحص السرطان أكثر سهولة وفعالية، وخاصة في البيئات ذات الموارد المحدودة.