نماذج الذكاء الاصطناعي

تشخيص أشعة الصدر متعدد التسميات (DenseNet-121)

🔬 التركيز البحثي:

نشر DenseNet-121، المدرب مسبقاً على ImageNet، لإجراء تصنيف متعدد التسميات على الأشعة السينية للصدر. يحدد هذا النموذج بفعالية حالات متعددة مثل تضخم القلب والوذمة والصلابة في فحص واحد.

📊 مقاييس الأداء:

المعمارية: DenseNet-121 (مدرب مسبقاً).

متوسط AUC: منطقة عالية تحت المنحنى للمهام متعددة التسميات.

حجم المدخلات: 224x224 صور RGB.

التقنية: خسارة الإنتروبيا المتقاطعة الموزونة للفئات غير المتوازنة.

خرائط الميزات: انتشار فعال للميزات المكثفة عبر الطبقات.

🕸️ نقاط القوة الهيكلية:

الاتصال المكثف: روابط مباشرة بين الطبقات لزيادة إعادة استخدام الميزات إلى أقصى حد.

تعلم النقل: ضبط معرفة ImageNet لتفسير الصور الشعاعية الطبية.

حماية تلاشي التدرج: تحسين تدفق التدرج من خلال الكتل المكثفة.

التجميع المتوسط العالمي: تقليل المعلمات مع الحفاظ على التسلسل الهرمي المكاني.

📁 ملفات النموذج:

دفتر الملاحظات: `chest-x-ray-classifier-densenet121.ipynb`

إطار العمل: Keras / TensorFlow

التقنيات المستخدمة

PythonTensorFlowDenseNet-121Neural NetworksCNN

درجات AUC لكل فئة

samples

أداء التصنيف متعدد التسميات: درجات AUC لكل حالة مرضية بما في ذلك تضخم القلب (0.93)، الوذمة (0.90)، الانصباب (0.87)، وحالات أخرى من مجموعة بيانات ChestX-ray14.

سجل التدريب والتحسين

history

يوضح مخطط سجل التدريب لـ DenseNet-121 استقرار الخسارة على مدار 100 دورة. كان استخدام وظيفة خسارة الإنتروبيا المتقاطعة الثنائية الموزونة أمراً حاسماً في التعامل مع الطبيعة متعددة التسميات للبيانات.

مقاييس تحليل ROC

cm

تسلط مقاييس التقييم الضوء على قدرة النموذج على الحفاظ على حساسية عالية عبر حالات مرضية متعددة، مع درجات AUC قوية لفئات رئيسية مثل تضخم القلب واسترواح الصدر.