Key points are not available for this paper at this time.
تُصنّف شرائح المناعية النسيجية (IHC) لسرطان الثدي بناءً على العلامات المرئية والخصائص الشكلية لمناطق الأغشية الملونة. لقد زاد استخدام صور الشرائح الكاملة (WSIs) من علم الأنسجة في خوارزميات الباثولوجيا الرقمية للتقييمات المعتمدة على الكمبيوتر مؤخراً. إن تقييم الصور المجهرية الملونة بمستقبل عامل النمو البشري 2 (HER2) أمر صعب، ويستغرق وقتاً طويلاً، ويحتوي على الكثير من الأخطاء عند القيام به يدوياً. ويعود ذلك إلى تباين الصبغ، والمناطق المتداخلة، والشرائح الكبيرة غير المتجانسة. بالإضافة إلى ذلك، يجب استخدام تصنيف صور HER2 من خلال اختيار الميزات الأساسية لالتقاط العناصر الصعبة في الصور، مثل البنية الخلوية غير المنتظمة وتلوين أنسجة الخلايا. لحل المشكلات المذكورة أعلاه، تم اقتراح طريقة مجرّدة، قابلة للتدريب تعتمد على نموذج التعلم الانتقالي لاختيار أفضل الميزات في هذه الورقة. علاوة على ذلك، فإن النموذج المقترح فعال في تقليل تعقيد النموذج وتكاليف الحسابات بالإضافة إلى تجنب الإفراط في التكيف. المكونات الأربعة الرئيسية للتصميم المتسلسل المقترح هي: (أ) تحويل WSIs إلى صور موزعة وتعزيز التباين باستخدام تصفية لابلاس المحلية السريعة (FlLpF)؛ (ب) استخراج الميزات باستخدام تقنية CNN ResNet50 المعتمدة على التعلم الانتقالي؛ (ج) اختيار الميزات الأكثر أهمية بمساعدة خوارزمية الجينات المصفاة غير المسيطرة (NSGA-II)؛ و (د) استخدام آلة الدعم الناقل (SVM) لتصنيف درجات HER2. تظهر النتائج من مجموعات بيانات HER2SC و HER2GAN أن النموذج المقترح يتفوق على الطرق الأخرى المستخدمة بالفعل، حيث تم تحقيق دقة تبلغ 94.4%، ودقة 93.71%، ونسبة خصوصية 98.07%، وحساسية تبلغ 93.83%، ودرجة F1 تبلغ 93.71% لمجموعة بيانات HER2SC.
درس راشد وآخرون (Mon,) هذا السؤال.