LiwTERM: نموذج خفيف القوام قائم على التحويلة للكشف عن الآفات المتعددة الوسائط في الطب الجلدي

يُعدّ السرطان الجلدي أكثر أنواع السرطان شيوعًا في العالم، ويمثل ما يقارب 30% من جميع الأورام المُشخصة. ويساهم التشخيص المبكر في خفض معدلات الوفيات ومنع العواقب التجميلية في مناطق مختلفة من الجسم. في السنوات الأخيرة، أظهرت تقنيات التعلم الآلي، وخاصة التعلم العميق، نتائج واعدة في هذا المجال، حيث أثبتت دراسات عديدة أن دمج المعلومات السريرية للمرضى مع صور الورم الجلدي يُعد أمرًا حاسمًا لتحسين تصنيف الورم الجلدي. ومع ذلك، فإن الاستخدام الفعّال للمعلومات السريرية مع صور متعددة يتطلب مزيدًا من الدراسة. ولذلك، يهدف هذا المشروع إلى المساهمة في تطوير نماذج قائمة على التعلم الآلي متعددة الوسائط لمعالجة مهمة تصنيف الورم الجلدي، باستخدام نموذج مُحول خفيف الوزن. وكمُفترض رئيسي، فإن النماذج قادرة على استقبال صور متعددة من مصادر مختلفة، إلى جانب المعلومات السريرية المستمدة من تاريخ المريض، مما يؤدي إلى تشخيص أكثر موثوقية. ويتعامل نموذجنا مع المهمة غير البسيطة المتمثلة في دمج الصور والمعلومات السريرية (المستمدة من التاريخ المرضي) المتعلقة بالورم الجلدي ضمن بنية مُحول خفيف الوزن، لا يتطلب موارد حسابية عالية، ولكنه يُظهر نتائج تصنيف تنافسية.