EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Deep learning and machine learning techniques for processing medical images

Khaled Khalifa Said, Abdualla . Mahmoud. Alshibani, Mohamed Ealgeli Ghet

مجلة جامعة بني وليد للعلوم الإنسانية والتطبيقية · 01.03.2026 · 11 (2) · 42-50

DOI: 10.58916/jhas.v11i2.1193 ↗

Kurz gefasst

Fachartikel in der Zeitschrift مجلة جامعة بني وليد للعلوم الإنسانية والتطبيقية, online erschienen am 01.03.2026. Verfasst von Khaled Khalifa Said und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

تلعب تقنيات الذكاء الاصطناعي وبرامجها، لا سيما في تحليل الصور الطبية لتشخيص الأمراض ومعالجتها، دورًا مهمًا في تطوير الخدمات الطبية داخل أقسام التصوير الطبي. كما تسهم هذه التطورات في دمج الخدمات الطبية مع أنظمة الصحة والأجهزة الطبية، وتعد الصور الطبية من أكثر المصادر تعقيدًا وغنىً بالمعلومات المتعلقة بصحة المرضى، حيث تُعتبر الأداة التشخيصية الأولى للعديد من الحالات الطبية. ومع ذلك، فإن التنوع المتزايد وحجم البيانات الكبيرة في مجال التصوير الطبي يجعل استخراج المعلومات القابلة للاستخدام أمرًا معقدًا، مما يستدعي استخدام أدوات الذكاء الاصطناعي لتحقيق تشخيص دقيق للأمراض. يوفر الذكاء الاصطناعي لمقدمي الرعاية الصحية فرصًا قيمة لتحسين النتائج من خلال قدرات تحليلية محسّنة. وفي السنوات الأخيرة، اكتسبت تقنيات التعلم العميق المدمج مع الرؤية الحاسوبية (Deep Learning & Computer Vision) اهتمامًا كبيرًا في مجال التصوير الطبي، حيث تركز هذه التقنيات على استخراج السمات المهمة للمهام المحددة، مثل الكشف عن الشذوذ أو المناطق المشبوهة في الصور وتصنيفها ضمن فئات محددة بدقة. تتطور خوارزميات التعلم الآلي والتعلم العميق بسرعة ملحوظة في مجال أبحاث التصوير الطبي الديناميكي. وتبذل جهود كبيرة لتحسين تطبيقات التصوير الطبي من خلال هذه الخوارزميات، لاكتشاف الأخطاء في أنظمة تشخيص الأمراض، والتي قد تؤدي في حال غيابها إلى علاجات طبية غير دقيقة أو غامضة. يُعد التعلم الآلي والتعلم العميق أدوات حيوية في التصوير الطبي، لا سيما في التنبؤ بعلامات الأمراض المبكرة. وعلى وجه الخصوص، تم تصميم تقنيات التعلم العميق، مثل الشبكات العصبية الالتفافية (Convolutional Neural Networks - CNNs)، باستخدام منهجيات متخصصة لتحليل الصور الطبية بشكل فعال. وتشمل هذه العمليات مسح الصور، التصنيف، كشف الأجسام، التعرف على الأنماط، والاستدلال الطبي، باستخدام أساليب تعلم خاضع للإشراف أو غير خاضع للإشراف، وتطبيق خوارزميات مصممة خصيصًا على مجموعات بيانات معيارية للوصول إلى تنبؤات دقيقة. يهدف هذا البحث بشكل أساسي إلى استكشاف تطبيقات التعلم الآلي والتعلم العميق في مجال التصوير الطبي. ويركز على تقديم لمحة عامة عن التقنيات الحالية المستخدمة، وتحليل نقاط القوة والقيود لكل منها، ودراسة التطورات المستقبلية المحتملة في معالجة البيانات الطبية متعددة الأبعاد والمُؤتمتة. ويقدم التعلم العميق بشكل خاص نهجًا متقدمًا لتسهيل التصنيف ودعم اتخاذ القرارات الطبية بشكل آلي.

Zitieren

APA

Said, K. K., Alshibani, A. M., & Ghet, M. E. (2026). Deep learning and machine learning techniques for processing medical images. مجلة جامعة بني وليد للعلوم الإنسانية والتطبيقية, 11(2), 42-50. https://doi.org/10.58916/jhas.v11i2.1193

Vancouver

Said KK, Alshibani AM, Ghet ME. Deep learning and machine learning techniques for processing medical images. مجلة جامعة بني وليد للعلوم الإنسانية والتطبيقية. 2026;11(2):42-50. doi:10.58916/jhas.v11i2.1193

BibTeX
@article{Said2026,
  author = {Said, Khaled Khalifa and Alshibani, Abdualla . Mahmoud. and Ghet, Mohamed Ealgeli},
  title = {Deep learning and machine learning techniques for processing medical images},
  journal = {مجلة جامعة بني وليد للعلوم الإنسانية والتطبيقية},
  year = {2026},
  volume = {11},
  number = {2},
  pages = {42--50},
  doi = {10.58916/jhas.v11i2.1193}
}
Kostenlos starten →