استخدام الشبكات العصبية التلافيفية لتحسين دقة التنظير الأنفي

 نشر فريق من الباحثين في مركز أوشسنر الصحي مؤخرًا مقالاً مشوقًا في المنتدى الدولي للحساسية وجراحة الأنف، يستخدم تطبيق الشبكات العصبية التلافيفية (CNNs) لتحسين دقة وكفاءة التنظير الأنفي.

 الدراسة التي كتبها الطبيب المقيم الدكتور فيناياك جانشان تحت إشراف جراح الأنف والأذن والحنجرة الدكتور إدوارد دي. ماكول، تتناول التحديات التي تفرضها البنية المعقدة لتجويف الأنف في تشخيصات جراحة الأنف.

 ما هي الشبكات العصبية التلافيفية (CNNs)؟

الشبكات العصبية التلافيفية (CNNs) هي نوع من  تقنيات الذكاء الاصطناعي تستخدم لتحليل الصور والفيديو من خلال التعرف على الأنماط والملامح في البيانات البصرية.

تحسين دقة التنظير الأنفي باستخدام الشبكات العصبية التلافيفية

التنظير الأنفي (NE) هو أداة تشخيصية أساسية في جراحة الأنف، لكن فعاليته يمكن أن تتأثر بالبنية المعقدة لتجويف الأنف. 

 بحثت الدراسة في نموذج قائم على الشبكات العصبية التلافيفية مصمم لتحديد وتقسيم المعالم الهامة بدقة في صور التنظير الأنفي.

 تم جمع الصور المستخدمة في الدراسة من فحوصات التنظير الأنفي التي أجريت في مركز أوشسنر الطبي في نيو أورلينز بين عامي 2014 و2023 باستخدام منظار رقمي قياسي. تم تقسيم 2,111 صورة يدويًا بواسطة ثلاثة أطباء.

 استخدام نموذج YOLOv8 في التنظير الأنفي

قام الباحثون بتكوين نموذج الكشف عن الأجسام YOLOv8 لأداء ثلاث مهام: تصنيف وجود القرين الأنفي، تحديد موقعه، وتطبيق قناع تقسيم يحدد حدوده. 

تم استخدام التعلم الانتقالي لتحسين أداء النموذج على صور التنظير الأنفي من خلال الانتشار الخلفي ونزول التدرج العشوائي و بتحسين المتغيرات الفائقة وإيقاف التدريب عند توقف الأداء في التحقق بعد 15 دورة، حقق النموذج نتائج مبهرة.

حدد النموذج القرين الأنفي السفلي (IT) والقرين الأنفي الأوسط (MT) بدقة بلغت 91.5%، ومتوسط دقة 92.5%، واستدعاء بمتوسط 93.8%. عند عتبة ثقة 60%، بلغ متوسط F1-score للنموذج 93.1%.

يمثل التطبيق الناجح لنموذج YOLOv8 تقدمًا كبيرًا في جراحة الأنف. قدرة النموذج على تحديد وتقسيم القرين الأنفي السفلي والمتوسط بدقة يمكن أن تساعد الأطباء في تشخيص وعلاج أمراض الأنف بشكل أكثر فعالية. هذا التقدم مفيد بشكل خاص للمتدربين وغير المتخصصين الذين يواجهون صعوبات مع البنية المعقدة لتجويف الأنف.

تعزيز الدقة والكفاءة في التنظير الأنفي

تُظهر هذه الدراسة إمكانيات الشبكات العصبية التلافيفية في تحسين دقة وكفاءة التنظير الأنفي"، قال الدكتور ماكول. "باستخدام تقنيات الذكاء الاصطناعي المتقدمة، يمكننا تحسين قدراتنا التشخيصية وتقديم رعاية فائقة للمرضى الذين يعانون من حالات الأنف والجيوب الأنفية."