AI-Driven Brain Tumor Segmentation: Review of the Last Decade

Laila  A. Esmeda

doi:10.26629/jtr.2025.51

المؤلفون

ليلى عبدالله صميدة تجزئة أورام الدماغ المدعومة بالذكاء الاصطناعي: مراجعة بحثية لعقد من الزمن (2015–2025) Author

DOI:

https://doi.org/10.26629/jtr.2025.51

الكلمات المفتاحية:

: الكشف عن أورام الدماغ، الذكاءالصطناعي، التعلم العميق، الشبكات العصبية التالفيفية، محوالت الرؤية

الملخص

تمثل أورام الدماغ واحدة من أكثر الحالات الطبية تحدياً، حيث تتطلب تشخيصاً دقيقاً وفي الوقت المناسب لتحقيق النتائج المثلى للمرضى. وقد أحدث دمج الذكاء الاصطناعي (AI) في التصوير الطبي ثورة في منهجيات الكشف عن أورام الدماغ وتصنيفها على مدى العقد الماضي. تقدم هذه المراجعة الشاملة تحليلاً لتطور نماذج الذكاء الاصطناعي للكشف عن أورام الدماغ من عام 2015 إلى عام 2025، مع التركيز على طرق تقييم الأداء والتقدم التكنولوجي. نحن نحلل بشكل منهجي التقدم من مناهج التعلم الآلي التقليدية إلى بنيات التعلم العميق المتطورة، بما في ذلك الشبكات العصبية التلافيفية (CNNs) ومتغيرات U-Net وتنفيذات محولات الرؤية (ViT) الحديثة. تتضمن المراجعة مقاييس تقييم الأداء بما في ذلك معامل تشابه ديس (Dice)، ومسافة هاوسدورف (Hausdorff)، والدقة، والحساسية، والنوعية عبر مجموعات البيانات الرئيسية مثل BraTS. يكشف تحليلنا عن تحسينات كبيرة في دقة الكشف، حيث تصل النماذج المتطورة إلى درجات ديس تتجاوز 0.95 لتجزئة الورم الكامل. تشير النتائج الرئيسية إلى أن طرق المجموعات (Ensemble) والبنيات القائمة على المحولات (Transformers) تمثل الحدود الحالية، بينما لا تزال التحديات قائمة في توحيد بروتوكولات التقييم والتعميم عبر settings السريرية المتنوعة. تقدم هذه المراجعة رؤى حول الإمكانات الحالية والقيود والاتجاهات المستقبلية لأنظمة الكشف عن أورام الدماغ المدعومة بالذكاء الاصطناعي.