تصميم نظام طبي دقيق وآمن قائم على التعلم العميق للكشف عن السكتة الدماغية

الملخص

تُعد السكتة الدماغية من أخطر الحالات الطبية التي تتطلب تشخيصًا سريعًا ودقيقًا لتجنب مضاعفاتها المميتة. يُسهم استخدام تقنيات التعلم العميق (DL) في تعزيز دقة الكشف عن السكتات الدماغية في مراحلها المبكرة، مما يُمكّن من التدخل الطبي بشكل أسرع ويُقلل من الأضرار طويلة المدى. بالإضافة إلى الكشف المبكر عن السكتة الدماغية، يُعد الحفاظ على سرية معلومات المريض أمرًا بالغ الأهمية لضمان الثقة وحماية البيانات الحساسة. كما تُساعد تقنيات التعلم العميق في الكشف عن الوصول غير المصرح به أو التلاعب ببيانات المريض، مما يُعزز الأمن الرقمي ويضمن الامتثال لمعايير خصوصية الرعاية الصحية. في هذه الورقة البحثية، يُقترح نظام طبي دقيق وآمن قائم على التعلم العميق للكشف عن السكتات الدماغية. يتضمن التصميم مرحلتين. أولاً، اقتراح خوارزمية تعلم عالية الدقة للتعلم العميق للكشف عن السكتة الدماغية، والتي تُحقق من خلال خوارزمية هجينة من CNN-LSTM. تتمثل المرحلة الثانية في الحفاظ على أمان النظام الطبي المقترح من خلال اقتراح خوارزمية تعلم عميق فعّالة، والتي تُحقق باستخدام خوارزمية خفيفة الوزن من الشبكات العصبية العميقة الضحلة (SDNN). وقد تم تقييم أداء المرحلتين السابقتين من حيث الدقة والأمان ومساحة الذاكرة. تكشف نتائج المحاكاة أن خوارزمية CNN-LSTM الهجينة المقترحة تتمتع بدقة عالية في اكتشاف السكتة الدماغية مقارنة بالإصدارات المستقلة من CNN وLSTM بدقة تصل إلى 99.6٪ باستخدام مجموعة بيانات السكتة الدماغية AHA: من ناحية أخرى، يحافظ تطبيق خوارزمية SDNN على مستوى عالٍ من الأمان يصل إلى 96.8٪ باستخدام مجموعة بيانات NSL-KDD.