كشف وتوصيف أورام الدماغ بالرنين المغناطيسي المحسّن من خلال تحليل البيانات الطوبولوجية والتفكيك التنسوري من الدرجة المنخفضة

أدت ظهور الذكاء الاصطناعي في التصوير الطبي إلى تمهيد الطريق لتقدم كبير في تشخيص أورام الدماغ. تقدم هذه الدراسة نهجًا جديدًا مُجمَّعًا يستخدم التصوير بالرنين المغناطيسي (MRI) لتحديد وتصنيف الأورام الدماغية الشائعة، مثل ورم الغدة النخامية، وورم السحايا، وورم الجلّيوم. يتكون النموذج المقترح من نهج مزدوج: أولاً، يُطبّق تقنيات متقدمة لتحسين الصور غير البسيطة في مرحلة ما قبل المعالجة، واستخدام تحليل تودكير من الدرجة المنخفضة لتقليل الأبعاد، وفِيما بعد تطبيق تصنيفات تعتمد على التعلم الآلي (ML) للكشف عن نوع ورم الدماغ وتنبؤه. ثانيًا، يُستخدَم التحليل التوبولوجي للبيانات (TDA) من خلال تقنية الهومولوجيا المستمرة (PH) لاستخراج مناطق حرجة محتملة في صور الرنين المغناطيسي. عند دمج هذه المعلومات الإضافية مع نتائج تصنيفات التعلم الآلي، يمكن أن يساعد الخبراء في المجال على تحديد مناطق الاهتمام التي قد تحتوي على علامات ورمية، مما يعزز شفافية تنبؤات التعلم الآلي. مقارنةً بالتشخيصات الآلية، يضيف هذا الوضوح مستوى إضافيًا من الثقة، وهو أمر بالغ الأهمية لقبول التطبيق السريري. تم تقييم أداء النظام كميًا على مجموعة بيانات شهيرة للتصوير بالرنين المغناطيسي، حيث بلغت دقة التصنيف الإجمالية 97.28% باستخدام نموذج الأشجار العشوائية المتطرفة (Extremely Randomized Trees). تُظهر النتائج الواعدة أن دمج تقنيات التحليل التوبولوجي للبيانات (TDA)، والتعلم الآلي، وطرق التقريب من الدرجة المنخفضة، يُعد نهجًا ناجحًا لتحديد وتصنيف أورام الدماغ، مما يوفر أساسًا متينًا للدراسات المستقبلية والتطبيقات السريرية.