تصنيف السرطان في صور الماموغرام باستخدام ViT وخرائط ScoreCAM – مشروع بحث ماجستير

مشروع بحث ماجستير نُفّذ في جامعة Rovira i Virgili – إسبانيا، ويهدف إلى تطوير نموذج ذكاء اصطناعي يعتمد على التعلم العميق لتصنيف كثافة أنسجة الثدي من صور الماموغرام، مع التركيز على الشفافية الطبية باستخدام تقنيات خرائط الحرارة (Heatmaps).

ما تم تنفيذه:

•تدريب نماذج متقدمة مثل ViT وConvNeXt على تصنيف صور RSNA إلى 4 مستويات BI-RADS.

•استخدام GradCAM وScoreCAM لتفسير قرارات النموذج بصريًا.

•تطوير خوارزمية لتوليد أقنعة (Masks) لتمييز مناطق الكثافة تلقائيًا بدون تدخل يدوي.

•تحسين أداء النماذج باستخدام تقنيات Transfer Learning على ImageNet.

أدوات وتقنيات:

PyTorch – Python – ViT – Swin-V2 – ScoreCAM – GradCAM – RSNA Dataset – RTX 4080 GPU

نتائج ملحوظة:

•نموذج ViT حقق أفضل دقة: 80.16٪، مع F1 Score = 75.90٪

•خرائط ScoreCAM أعطت أفضل تفسير بصري وتحديد دقيق لمناطق الكثافة

•تطوير أقنعة ثنائية دقيقة لتقليل الحاجة إلى تعليم يدوي للبيانات

نقاط تميز المشروع:

•دمج الذكاء الاصطناعي التفسيري (Explainable AI) مع التصنيف الطبي.

•العمل على بيانات حقيقية (RSNA) بتقنيات فعالة واقعية.

•مساهمة مباشرة في حل مشكلة حقيقية في مجال التشخيص الطبي.

•قابل للتطوير في تطبيقات سريرية حقيقية.