DeepLabV3+ with ResNeXt50 Backbone for Automated Brain MRI Tumor Segmentation
Journal of Education and Science · 01.07.2026 · 35 (3) · 15-28
DOI: 10.33899/jes.v35i3.60403 ↗Kurz gefasst
Fachartikel in der Zeitschrift Journal of Education and Science, online erschienen am 01.07.2026. Verfasst von Harith Safwan Izzaldeen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
تتناول هذه الدراسة تصميم وتقييم نظام مكتبي آلي لتجزئة أورام الدماغ باستخدام صور الرنين المغناطيسي (MRI)، بهدف دعم الاستخدام السريري الواسع لنماذج التعلم العميق المتقدمة. يعتمد النظام المقترح على بنية DeepLabV3+ مع العمود الفقري ResNeXt50، بالإضافة إلى بنية مكملة مستوحاة من U-Net، ويتم تدريبه باستخدام دالة خسارة هجينة تجمع بين Dice loss وخسارة الانتروبيا التقاطعية الثنائية (Binary Cross-Entropy) . تم تدريب النموذج وتقييمه باستخدام مجموعات بيانات مرجعية لأورام الدماغ، وعلى رأسها مجموعة بيانات BraTS 2020، من خلال تطبيق خط أنابيب موحد للمعالجة المسبقة وتعزيز البيانات. وعلى خلاف العديد من النماذج البحثية التي تقتصر على الجانب النظري، يركز هذا العمل على التطبيق العملي من خلال دمج جميع مراحل سير العمل — بدءًا من معالجة البيانات وتدريب النموذج، مرورًا بمرحلة الاستدلال، وانتهاءً بالتقييم الكمي — ضمن بيئة مكتبية متكاملة قابلة للاستخدام في السياقات السريرية. أظهرت النتائج الكمية أداءً قويًا، حيث بلغ متوسط معامل Dice قيمة 0.89 ± 0.04، وحساسية قدرها 81.5%، وخصوصية بلغت 95.9%، مع مساحة تحت منحنى ROC تتجاوز 0.90. كما بلغ متوسط زمن الاستدلال 0.65 ثانية لكل صورة، مع متطلبات ذاكرة معتدلة، مما يجعله مناسبًا للاندماج في بيئات الحوسبة الطبية المعتادة داخل المستشفيات. تشير النتائج إلى أن الأداة المقترحة تحقق توازنًا فعالًا بين دقة التجزئة، والكفاءة الحسابية، وسهولة الاستخدام في الممارسة السريرية.
Zitieren
APA
Izzaldeen, H. S. (2026). DeepLabV3+ with ResNeXt50 Backbone for Automated Brain MRI Tumor Segmentation. Journal of Education and Science, 35(3), 15-28. https://doi.org/10.33899/jes.v35i3.60403
Vancouver
Izzaldeen HS. DeepLabV3+ with ResNeXt50 Backbone for Automated Brain MRI Tumor Segmentation. Journal of Education and Science. 2026;35(3):15-28. doi:10.33899/jes.v35i3.60403
BibTeX
@article{Izzaldeen2026,
author = {Izzaldeen, Harith Safwan},
title = {DeepLabV3+ with ResNeXt50 Backbone for Automated Brain MRI Tumor Segmentation},
journal = {Journal of Education and Science},
year = {2026},
volume = {35},
number = {3},
pages = {15--28},
doi = {10.33899/jes.v35i3.60403}
}
EUVIMED