اكتشاف الرئة بدقة وكفاءة باستخدام نهج جديد متعدد المقياس بالترانسفورمر

الالتهاب الرئوي، وهو عدوى تنفسية شائعة، يظل سببًا رئيسيًا للمرض والوفاة على مستوى العالم، خاصة بين السكان الضعفاء. تعتبر الأشعة السينية للصدر أداة رئيسية للكشف عن الالتهاب الرئوي؛ ومع ذلك، فإن التفاوت في ظروف التصوير والمؤشرات البصرية الدقيقة تجعل التفسير المتسق أمرًا معقدًا. يمكن أن تعزز الأدوات الآلية الأساليب التقليدية من خلال تحسين موثوقية التشخيص ودعم صنع القرار السريري. في هذه الدراسة، نقترح نهجًا جديدًا متعدد المقاييس يستخدم الشبكات العصبية المتحولة (Transformer) للكشف عن الالتهاب الرئوي، والذي يدمج تقسيم الرئة والتصنيف في إطار موحد. يُقدم طريقة تقسيم الرئة بدقة باستخدام شبكة TransUNet خفيفة الوزن معززة بالشبكات العصبية المتحولة، مما حقق درجة Dice قدرها 95.68% على مجموعة بيانات "أقنعة ومسميات الأشعة السينية للصدر" (Chest X-ray Masks and Labels) بأقل عدد من المعاملات مقارنة بالشبكات العصبية المتحولة التقليدية. بالنسبة للتصنيف، نستخدم نماذج ResNet المدربة مسبقًا (ResNet-50 و ResNet-101) لاستخراج خرائط الميزات المتعددة المقاييس، والتي يتم معالجتها بعد ذلك عبر وحدة تحويل معدلة لتحسين الكشف عن الالتهاب الرئوي. هذا الاندماج بين استخراج الميزات المتعددة المقاييس والوحدات الخفيفة الوزن من الشبكات العصبية المتحولة يضمن أداءً قويًا يجعل طريقتنا مناسبة للبيئات السريرية ذات الموارد المحدودة. تحقق طريقتنا دقة قدرها 93.75% على مجموعة بيانات "كرمانجي" (Kermany) ودقة قدرها 96.04% على مجموعة بيانات "كوهين" (Cohen)، مما يجعلها تتفوق على الأساليب الموجودة حاليًا بينما تحتفظ بكفاءة الحسابات. يوضح هذا العمل إمكانات هياكل الشبكات العصبية المتحولة المتعددة المقاييس في تحسين تشخيص الالتهاب الرئوي، ويقدم حلًّا قابلًا للتكييف ودقيقًا للمحاذير الصحية العالمية."https://github.com/amirrezafateh/Multi-Scale-Transformer-Pneumonia"