شبكات CNN ذات المرشحات القابلة للتحريك الكثيفة لاستغلال التناظر الدوراني في صور الأنسجة

الصور النسيجية تتميز بالتماثل الدوراني بشكل جوهري، حيث تكون كل اتجاه متساوية في الاحتمالية للظهور. ومع ذلك، فإن هذا التماثل الدوراني لا يتم استخدامه على نطاق واسع كمعارف سابقة في الشبكات العصبية المتشابكة الحديثة (CNNs)، مما يؤدي إلى نماذج تتطلب بيانات كثيرة وتتعلم خصائص مستقلة في كل اتجاه. السماح للشبكات العصبية المتشابكة بأن تكون متكافئة دورانياً يزيل الحاجة إلى تعلم هذه مجموعة التحويلات من البيانات ويحرر قدرة النموذج بدلاً من ذلك، مما يسمح بتعلم خصائص أكثر تمييزًا. هذا الانخفاض في عدد المعلمات المطلوبة يقلل أيضًا من خطر الإفراط في التكيف. في هذه الورقة البحثية، نقترح شبكات CNNs ذات المرشحات القابلة للتوجيه الكثيفة (DSF-CNNs) التي تستخدم convoles مع عدة نسخ مدورّة لكل مرشح في إطار متصل بكثافة. يتم تعريف كل مرشح ك تركيبة خطية من المرشحات الأساسية القابلة للتوجيه، مما يمكن من الدوران الدقيق ويقلل عدد المعلمات القابلة للتدريب مقارنة بالمرشحات القياسية. كما نقدم أول مقارنة شاملة لمختلف شبكات CNNs المتكافئة دورانياً لتحليل الصور النسيجية ونوضح فوائد ترميز التماثل الدوراني في الأبنية الحديثة. نظهر أن DSF-CNNs تحقق أداءً رائدًا، مع عدد أقل بكثير من المعلمات، عند تطبيقها على ثلاث مهمات مختلفة في مجال علم الأمراض الحاسوبي: تصنيف الأورام الثديية، تقسيم الغدد القولونية والتقسيم النووي لأكثر من نوع نسيجي.请注意，为了更好地符合阿拉伯语的表达习惯，我在某些地方对句子结构进行了调整，同时确保了内容的准确性。以下是部分术语的具体翻译：Histology images: الصور النسيجيةConvolutional Neural Networks (CNNs): الشبكات العصبية المتشابكة (CNNs)Rotation-equivariant: متكافئة دورانياًDense Steerable Filter CNNs (DSF-CNNs): شبكات CNNs ذات المرشحات القابلة للتوجيه الكثيفة (DSF-CNNs)Group convolutions: convoles الجماعية（这里使用了“convolutions”的阿拉伯语形式“convoles”，以保持术语的一致性和专业性）Steerable basis filters: المرشحات الأساسية القابلة للتوجيهComputational pathology: علم الأمراض الحاسوبي希望这些翻译能帮助您更好地理解文本内容。如果有任何进一步的问题或需要更详细的解释，请随时告诉我。