نظام تشخيص بمساعدة الحاسوب للكشف عن كسور العظام في صور الأشعة السينية

من نماذج التعلم العميق إلى النشر السريري

الملخص

تُعد كسور العظام من أكثر إصابات الجهاز العضلي الهيكلي شيوعاً، إلا أن تفسير صور الأشعة السينية لا يزال عرضة للأخطاء البشرية، ولا سيما في المناطق التي تعاني من نقص أطباء الأشعة المتخصصين. تقدم هذه الورقة البحثية تطويراً ونشراً سريرياً لنظام متكامل للتشخيص بمساعدة الحاسوب (Computer-Aided Diagnosis - CAD) للكشف الآلي الثنائي عن كسور العظام.

تم إجراء تقييم منهجي لأربع معماريات مخصصة للشبكات العصبية الالتفافية (Convolutional Neural Networks - CNNs)، بالإضافة إلى نموذجين للتعلم بالنقل (Transfer Learning)، هما EfficientNetB0 و VGG16، باستخدام مجموعة بيانات عامة لصور الأشعة السينية للجهاز العضلي الهيكلي  (Kaggle: ahmedashrafahmed/bone-fracture، الإصدار 1).

وللحد من مشكلة الإفراط في التكيّف (Overfitting) وتحسين متانة النماذج، تم تطبيق خط أنابيب مكثف لتعزيز البيانات (Data Augmentation) على مجموعة التدريب. أظهرت النتائج التجريبية أن التعلم بالنقل يتفوق بصورة ملحوظة على المعماريات المخصصة، حيث حقق نموذج EfficientNetB0 أفضل أداء تشخيصي، بدقة بلغت 93.8%، ومساحة تحت منحنى الخصائص التشغيلية للمستقبل (AUC-ROC) بلغت 0.96، إضافة إلى حساسية سريرية بالغة الأهمية بلغت 92.7%.

ولتحويل هذه النتائج إلى تطبيق عملي ذي فائدة سريرية، تم دمج النموذج الأمثل في تطبيق ويب آمن وخفيف الوزن قائم على إطار العمل Flask، يوفر إمكانات الاستدلال الفوري (Real-Time Inference)، والتحقق الصارم من صحة المدخلات، وإخفاء هوية الملفات باستخدام معرفات فريدة عالمية  (UUID)، فضلاً عن الحذف التلقائي للبيانات بعد عملية الاستدلال، بما يضمن الامتثال لمعايير خصوصية المرضى.