نشرت الاستاذ الدكتور غيداء عبدالرزاق السهيل التدريسية في كلية الهندسة جامعة البصرة قسم هندسة الحاسبات  مع الباحثة هبة أحمد حسين  طالبة الدراسات العليا... بحث بعنوان:
‏AlzONet: a deep learning optimized framework for multiclass Alzheimer’s disease diagnosis using MRI brain imaging 
إطار عمل مُحسَّن للتعلم العميق لتشخيص مرض ألزهايمر متعدد المراحل اعتمادًا على صور الرنين المغناطيسي للدماغ 
في مجلة عالمية رصينة /مجلة الحوسبة الفائقة    The Journal of Supercomputing العائدة الى دار النشر العالمية:  سبرينكر Springer Nature Netherlands
المجلة مفهرسة ضمن قاعدة بيانات Scopus بتصنيف الربع الاول Q1 Citscore6.9 في مجال علوم الحوسبة والرياضيات. وبتصنيف Q2 ضمن (Web of Science) (SCIE- Journal Citation Reports) (Clarivate)  ومعامل تاثيرJIP 3.5.
ومصنفةQ2 Hindex 99في Scimago SJR 
 
البحث حقق عدد استشهادات-اقتباسات (citations) عالية تبلغ  15 في موقع المجلة في مجال تحليل الصور الطبية.

تبرز أهمية هذا البحث في توظيف تقنيات الذكاء الاصطناعي في المجال الطبيمن خلال تطوير إطار عمل جديد ومحسَّن قائم على التعلم العميق لتشخيص مرضألزهايمر متعدد المراحل باستخدام صور الرنين المغناطيسي (MRI)، بما يسهمفي دعم الكشف المبكر عن المرض وتحسين دقة التشخيص. ويعتمد النموذجالمقترح (AlzONet) على الشبكات العصبية الالتفافية، مع دراسة تأثير ثلاثخوارزميات تحسين (Adam وSGD وRMSProp) في تحسين أداء النموذجوقدرته على التعميم.
أظهرت نتائج الاختبار أن نموذج  AlzONet المدرب  حقق دقة عالية Accuracyبلغت 96.5%، ودرجة F1 بلغت 96.7% في التشخيص، ومساحة تحت منحنىبلغت 99.7%.
كما يتضمن البحث مقارنة شاملة مع عدد من أشهر نماذج التعلم بالنقل، وأظهرتالنتائج تحقيق النموذج المقترح أداءً تشخيصيًا متميزًا، مما يؤكد أهمية تقنياتالذكاء الاصطناعي في تطوير أنظمة طبية ذكية تدعم الأطباء في اتخاذ القراراتالسريرية، وتقلل من أخطاء التشخيص، وتعزز فرص التدخل العلاجي المبكرلمرضى الزهايمر، بما ينعكس إيجابًا على جودة الرعاية الصحية.

https://link.springer.com/article/10.1007/s11227-025-06924-5