ابتكار ثوري: تعزيز دقة تحديد الأورام في صور قاع العين باستخدام نماذج هجينة!

تشكل الأورام العينية، مثل النيفوس المشيمي (Choroidal Nevi)، تحدياً حقيقياً في مجال الطب، إذ إن دقتها في التشخيص يمكن أن تؤدي إلى نتائج مأساوية في حال التشخيص الخاطئ أو التأخر. بالرغم من التطورات الهائلة في مجال الذكاء الاصطناعي (AI)، لا يزال تحديد الأورام العينية في صور قاع العين الملونة يمثل تحدياً خاصة للأطباء غير المتخصصين.

تشير الدراسات إلى أن مجموعات البيانات الحالية تعاني من انخفاض في الجودة والتسمية غير الدقيقة، مما يحد من فعالية نماذج تحديد المواقع. لذا، جاءت هذه الدراسة الجديدة لتقدم حلاً مبتكرًا يجمع بين النماذج الرياضية وتقنيات التعلم العميق، مثل نموذج U-Net، لاستغلال مزايا كل منهما.

يتجاوز النموذج الهجين مقاييس الأداء التقليدية، محققاً نسبة دقة تصل إلى 89.7% باستخدام معامل دييس (Dice coefficient)، و80.01% باستخدام مؤشر التقاطع (IoU) على صور قاع العين عالية الدقة بحجم 1024x1024 بيكسل، مما يتفوق على نموذج Attention U-Net الذي حقق 51.3% و34.2% على التوالي.

الأهم من ذلك، يظهر هذا النموذج مرونة أفضل في التعميم على مجموعات البيانات الخارجية، مما يعزز آفاق استخدامه في تطوير أنظمة دعم القرار لتشخيص النيفوس المشيمي، مع تطبيقات محتملة تشمل التعليق التلقائي للأورام، مما يسرع ويعزز دقة عملية التشخيص والمراقبة.