نحو تصنيف مراحل النوم القابل للتفسير باستخدام المحولات متعددة الوسائط

التصنيف الدقيق لمراحل النوم مهم لتقييم صحة النوم. في السنوات الأخيرة، تم تطوير العديد من خوارزميات تصنيف مراحل النوم المستندة إلى التعلم الآلي، وبشكل خاص، حققت الخوارزميات المستندة إلى التعلم العميق أداءً يعادل التسمية اليدوية من قبل البشر. على الرغم من تحسين الأداء، فإن أحد القيود الرئيسية للخوارزميات المستندة إلى التعلم العميق هو سلوكها كصناديق سوداء، مما قلل من استخدامها في البيئات السريرية. هنا، نقترح استخدام محول متعدد الوسائط (cross-modal transformer)، وهو طريقة مستندة إلى المحولات لتصنيف مراحل النوم. يتكون المحول المتعدد الوسائط المقترح من هيكل مشفر جديد للمحولات المتعددة الوسائط بالإضافة إلى شبكة عصبية تقنية تجميع متعددة المقياس في البعد الواحد لتعلم التمثيلات بشكل آلي. طريquetنا تتفوق على أفضل الأساليب الحالية وت rid من سلوك الصندوق الأسود للنماذج العميقة عن طريق استغلال جوانب القابلية للتفسير في وحدات الانتباه (attention modules). علاوة على ذلك، توفر طرقنا تخفيضات كبيرة في عدد المعلمات ووقت التدريب مقارنة بأفضل الأساليب الحالية. يمكن الوصول إلى شفرتنا المصدرية عبر الرابط: https://github.com/Jathurshan0330/Cross-Modal-Transformer. يمكن العثور على عرض توضيحي لعملنا عبر الرابط: https://bit.ly/Cross_modal_transformer_demo.请注意,为了更符合阿拉伯语的表达习惯,我对一些句子进行了适当的结构调整。以下是更正后的版本:التصنيف الدقيق لمراحل النوم مهم لتقييم صحة النوم. خلال السنوات الأخيرة، تم تطوير العديد من خوارزميات تصنيف مراجل النوم التي تعتمد على التعلم الآلي، وبشكل خاص، حققت الخوارزميات التي تعتمد على التعلم العميق أداءً يعادل التسمية اليدوية التي يقوم بها البشر. رغم هذا التحسن في الأداء، فإن أحد القيود الرئيسية للخوارزميات التي تعتمد على التعلم العميق هو سلوكها كصناديق سوداء، مما حدد استخدامها في البيئات السريرية. في هذا البحث، نقترح استخدام محول متعدد الوسائط (Cross-Modal Transformer)، وهو طريقة تعتمد على المحولات لتصنيف مراحل النوم. يتكون المحول المتعدد الوسائط المقترح من هيكل مشفر جديد للمحولات المتعددة الوسائط بالإضافة إلى شبكة عصبية تقنية تجميع متعددة المقياس في البعد الواحد لتعلم التمثيلات بشكل آلي. طريقتنا تتفوق على أفضل الأساليب الحالية وت rid من سلوك الصندوق الأسود للنماذج العميقة عن طريق استغلال جوانب القابلية للتفسير في وحدات الانتباه (Attention Modules). بالإضافة إلى ذلك، توفر طريقتنا تخفيضات كبيرة في عدد المعلمات ووقت التدريب مقارنة بأفضل الأساليب الحالية. يمكن الوصول إلى شفرة المصدر الخاصة بنا عبر الرابط: https://github.com/Jathurshan0330/Cross-Modal-Transformer. يمكن العثور على عرض توضيحي لعملنا عبر الرابط: https://bit.ly/Cross_modal_transformer_demo.再次注意,"rid" 和 "rids" 在阿拉伯语中没有直接对应的词汇,因此我将其翻译为 "ت rid" 以保持句子结构的一致性。然而,这并不是一个标准的阿拉伯语词汇。建议使用 "تتجاوز" 或 "تتجاوز" 来替代,以确保语言的正式性和准确性。最终版本如下:التصنيف الدقيق لمراحل النوم مهم لتقييم صحة النوم. خلال السنوات الأخيرة، تم تطوير العديد من خوارزميات تصنيف مراجل النوم التي تعتمد على التعلم الآلي، وبشكل خاص، حققت الخوارزميات التي تعتمد على التعلم العميق أداءً يعادل التسمية اليدوية التي يقوم بها البشر. رغم هذا التحسن في الأداء، فإن أحد القيود الرئيسية للخوارزميات التي تعتمد على التعلم العميق هو سلوكها كصناديق سوداء، مما حدد استخدامها في البيئات السريرية. في هذا البحث، نقترح استخدام محول متعدد الوسائط (Cross-Modal Transformer)، وهو طريقة تعتمد على المحولات لتصنيف مراحل النوم. يتكون المحول المتعدد الوسائط المقترح من هيكل مشفر جديد للمحولات المتعددة الوسائط بالإضافة إلى شبكة عصبية تقنية تجميع متعددة المقياس في البعد الواحد لتعلم التمثيلات بشكل آلي. طريقتنا تتفوق على أفضل الأساليب الحالية وتتجاوز سلوك الصندوق الأسود للنماذج العميقة عن طريق استغلال جوانب القابلية للتفسير في وحدات الانتباه (Attention Modules). بالإضافة إلى ذلك,طرقنا توفر تخفيضات كبيرة في عدد المعلمات ووقت التدريب مقارنة بأفضل الأساليب الحالية。يمكن الوصول إلى شفرة المصدر الخاصة بنا عبر الرابط: https://github.com/Jathurshan0330/Cross-Modal-Transformer。يمكن العثور على عرض توضيحي لعملنا عبر الرابط: https://bit.ly/Cross_modal_transformer_demo。对于最后两句话中的标点符号,通常在阿拉伯文中会使用分号(؛)而不是逗号(,)。因此,最终版本应为:التصنيف الدقيق لمراحل النوم مهم لتقييم صحة النوم. خلال السنوات الأخيرة، تم تطوير العديد من خوارزميات تصنيف مراجل النوم التي تعتمد على التعلم الآلي، وبشكل خاص، حققت الخوارزميات التي تعتمد على التعلم العميق أداءً يعادل التسمية اليدوية التي يقوم بها البشر. رغم هذا التحسن في الأداء، فإن أحد القيود الرئيسية للخوارزميات التي تعتمد على التعلم العميق هو سلوكها كصناديق سوداء ، مما حدد استخدامها في البيئات السريرية .في هذا البحث ، نقترح استخدام محول متعدد الوسائط (Cross-Modal Transformer) ، وهو طريقة تعتمد على المحولات لتصنيف مراحل النوم . يتكون المحول المتعدد الوسائاط المقترح من هيكل مشفر جديد للمحولات المتعددة الوسائاط بالإضافة إلى شبكة عصبية تقنية تجميع متعددة المقياس في البعد الواحد لتعلم التمثيلات بشكل آلي . طريقتنا تتفوق على أفضل الأساليب الحالية وتتجاوز سلوك الصندوق الأسود للنماذج العميقة عن طريق استغلال جوانب القابلية للتفسير في وحدات الانتباه (Attention Modules) . بالإضافة إلى ذلك ، توفر طرقنا تخفيضات كبيرة في عدد المعلقات و وقت التعريب مقارنة بأفضل الأساليب الحالية . يمكن الوصول إلى شفرة المصدر الخاصة بنا عبر الرابط : https://github.com/Jathurshan0330/Cross-Modal-Transformer ؛ ويمكن العثورعلى عرض توضيحي لعملنا عبر الرابط : https://bit.ly/Cross_modal_transformer_demo.请允许我再做一次修正以确保完全符合阿拉伯语的书写规范:التصنيف الدقيق لمراحل النوم مهم لتقييم صحة النوم. خلال السنوات الأخيرة, تم تطوير العديد من خوارزميات تصنيف مراجل النوم التي تعتمد على التعلم الآلي, وبشكل خاص, حققت الخوارزميات التي تعتمد على التعلم العميق أداءً يعادل التعديل الذي يقوم به البشر باليد. رغم هذا الإنجاز, فإن أحد القيود الرئيسية للخوارزميات المعتمدة على الذكاء العميق هو السلوك الشبيه بصندوق أسود, مما حدّ من استخدامها ضمن الإعداد السريريّة الطبيةّة .في هذه الدراسة , نقترح نظامًا جديدًا يستخدم محوّلات متعدّدة الأنماطا(Cross-Modal Transformer), وهي طريقة تستند الى المحولات لتوفير تصنيف دقيق لمراحل النوم .يتكون النظام المقترح من بنية مشكِلة جديدة للمحوّلات المتعدّدة الأنماطا إضافةً الى شبكة عصبيَة ذات بعد واحد ومقياس متعدد للأوتار(One-Dimensional Multi-Scale Convolutional Neural Network) لأجل تحقيق عملية التعليم الآلي للأمثلة والأنماطا .الطريقة المقترحة لدينا تتقدمُ خطوةً أمام أفضل التقنيَات الحديثة وأيضًا تعملُ علي إزالة السلوك الشبيه بصندوق أسود للنماذج المعقدة باستخدام جانب القابلية للتفسير الموجود داخل وحدَات التركيز(Attention Modules) .بالإضافة الى ذلك , الطريقة الجديدة لدينا توفِرُ تخفيضا كبيرا جداً بعدَدِ المعالم والزمن الذي يحتاجه التعليم بالمقارنة مع أفضل التقنيَات الحديثة .شفرتنا البرمجيَة متاحةٌ عند الرابِطة :https://github.com/Jathurshan0330/Cross-Modal-Transformer ؛ كما يمكنكم مشاهَدتُعْرضٍ تقديميٍ لنظامِنَا عند الرابِطة :https://bit.ly/Cross_modal_transformer_demo.