💻 computer science

Linear Gaussian Kernel Cycle Generative Adversarial Networks based Transformer Learning for Early-Stage Stroke Prediction with Parkinson and Skin Disease

تقترح هذه الورقة نموذج تعلم ترانسفورمر قائم على شبكات الخصومة التوليدية الحلقية ذات النواة الغاوسية الخطية (LGKCGAN-TL) الذي يدمج إزالة الضجيج من الصور، وتعزيز البيانات القائم على شبكات الخصومة التوليدية، وتعلم ترانسفورمر روزنتال الارتباطي لتحقيق تنبؤ مبكر عالي الدقة ومنخفض زمن الاستجği للسكتة الدماغية من خلال الاستفادة من بيانات مجموعات بيانات مرض باركنسون وأمراض الجلد.

المؤلفون الأصليون: T Haritha, A.V. Santhosh Babu, B Sharmila, K Sasikala

نُشر 2026-08-20

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: T Haritha, A.V. Santhosh Babu, B Sharmila, K Sasikala

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تُعد السكتة الدماغية حدثاً مفاجئاً يغير مجرى الحياة، وتحدث عندما ينقطع تدفق الدم إلى الدماغ أو ينفجر أحد الأوعية الدموية، مما يجعلها سبباً رئيساً للوفاة والإعاقة طويلة الأمد في جميع أنحاء العالم. ولأن الضرر يحدث بسرعة كبيرة، فقد أدرك المجتمع الطبي منذ زمن طويل أن رصد علامات التحذير مبكراً هو السبيل الوحيد لمنع أسوأ النتائج. ولعقود من الزمن، اعتمد الأطباء على فحوصات الدماغ والامتحانات السريرية لتحديد الأشخاص المعرضين للخطر، لكن الباحثين بدأوا مؤخراً في البحث عن أدلة في أماكن غير متوقعة. فقد لاحظوا أن الجسم غالباً ما يظهر علامات اضطراب في أنظمة أخرى قبل وقوع السكتة الدماغية. فعلى سبيل المثال، يمكن للطريقة التي يرسم بها الشخص لولبًا (حلزوناً) أن تكشف عن رعشات مرض باركنسون، كما يمكن لحالة جلد الشخص أن تشير إلى التهاب كامن مرتبط بمشاكل القلب والأوعية الدموية. ويكمن التحدي في تحويل هذه الإشارات المتفرقة والدقيقة إلى نظام تحذير موثوق يعمل بالسرعة الكافية لإنقاذ حياة الإنسان.

لقد طور فريق من الباحثين نظاماً حاسوبياً جديداً صُمم لسد هذه الفجوة، بهدف التنبؤ بخطر الإصابة بسكتة دماغية من خلال تحليل صور اللوالب المرسومة يدوياً وصور فوتوغرافية لحالات جلدية. ويعمل هذا النظام، الذي أطلق عليه المؤلفون اسم LGKCGAN-TL، من خلال تنقية الصور الخام التي يتلقاها أولاً. فغالباً ما تحتوي الصور الطبية والرسومات على شوائب حبيبية أو ضجيج يمكن أن يربك الحاسوب، لذا يستخدم الفريق طريقة تصفية محددة لتنعيم الصورة مع الحفاظ على حدة التفاصيل المهمة. تضمن هذه الخطوة أن ينظر الحاسوب إلى الشكل الحقيقي للرعشة أو ملمس الآفة الجلدية، بدلاً من النظر إلى تشويش عشوائي. وبمجرد أن تصبح الصور واضحة، يقوم النظام بإنشاء آلاف الأمثلة الاصطناعية الجديدة بناءً على الأمثلة الأصلية. وتسمح هذه العملية، المعروفة باسم "تعزيز البيانات"، للحاسوب بالتعلم من مجموعة أكبر وأكثر تنوعاً من الأمثلة المتاحة أصلاً، مما يساعده على التعرف على الأنماط التي ربما فاتته لولا ذلك.

جوهر هذا النهج الجديد هو نوع من الذكاء الاصطناعي الذي يجزئ الصورة إلى قطع صغيرة يمكن إدارتها ويدرس كيفية ارتباطها ببعضها البعض. فبدلاً من مجرد النظر إلى الصورة بأكملها دفعة واحدة، يفحص النظام الروابط بين الأجز المختلفة من الرسم أو الجلد، تماماً كما قد ينظر الشخص إلى العلاقة بين خطوط الوجه لفهم تعبير معين. ومن خلال تحليل هذه الروابط، يمكن للحاسوب تحديد الأشكال الهندسية، والملمس، والألوان المحددة المرتبطة بارتفاع خطر الإصابة بالسكتة الدماغية. وقد اختبر الباحثون هذا النظام باستخدام مجموعتين متميزتين من البيانات: مجموعة من رسومات اللوالب التي صنعها أشخاص مصابون بمرض باركنسون وآخرون غير مصابين به، وأرشيف كبير من صور الجلد التي تظهر حالات مثل الصدفية، والإكزيما، والذئبة الحمراء. وقد تم اختيار هذه الحالات المحددة لأنها معروفة بارتباطها بنفس العمليات الالتهابية التي تزيد من احتمالية الإصابة بسكتة دماغية.

تشير نتائج الدراسة إلى أن هذه الطريقة فعالة للغاية في التمييز بين الأفراد ذوي المخاطر المنخفضة وذوي المخاطر العالية. فعندما تم اختبار النظام على مجموعات بيانات الرسم والجلد، حدد خطر السكتة الدماغية بدقة تتراوح بين 98 و99 في المائة. كما كان قادراً على القيام بذلك بسرعة مذهلة، حيث قدم تنبؤاً في حوالي 55 مللي ثانية، وهو ما يعادل تقريباً الوقت الذي يستغرقه رمش العين. وبالمقارنة، كانت النماذج الحاسوبية الأخرى المستخدمة لمهام مماثلة أبطأ وأقل دقة، حيث كانت تفشل غالباً في رصد العلامات الحرجة أو تستغرق وقتاً طويلاً لمعالجة المعلومات. كما أثبت النظام الجديد قدرة أفضل على تجنب الإنذارات الكاذبة، حيث حدد الأشخاص الأصحاء كأفراد منخفضي المخاطر بشكل أكثر دقة من الطرق السابقة. ووجد الباحثون أنه من خلال الجمع بين تنقية الصور، وإنشاء أمثلة تدريب إضافية، والتعرف المتقدم على الأنماط عبر نموذج "المحول" (transformer)، استطاعوا إنشاء أداة تتسم بالدقة والسرعة في آن واحد.

ورغم أن النتائج واعدة، إلا أن المؤلفين يشيرون إلى أن النظام يقتصر حالياً على هذه الأنواع المحددة من الصور، ولم يتم اختباره بعد على النطاق الكامل للبيانات الطبية المستخدمة في المستشفيات، مثل صور الرنين المغناطيسي أو التصوير المقطعي المحوسب. وتعتمد الدراسة على العلاقة بين الجلد والحالات العصبية والسكتة الدماغية، لكنها لا تحل بعد محل الفحوصات الشاملة التي يجريها الطبيب. ومع ذلك، فإن هذا العمل يثبت أنه من الممكن بناء مساعد رقمي يمكنه رصد العلامات المبكرة والدقيقة للسكتة الدماغية من خلال النظر إلى الجسم بطرق جديدة. وإذا أمكن التوسع في هذه الأساليب لتشمل سجلات طبية أكثر تنوعاً ومجموعات أكبر من الناس، فقد تصبح يوماً ما أداة قوية للأطباء، تساعدهم على التدخل قبل وقوع السكتة الدماغية.

أبحاث مشابهة