تعتبر تقنية تقدير زاوية دوبلر (Doppler) من الخطوات الأساسية في سير العمل السريري لتصوير الألتراساوند (Ultrasound) لقياس سرعة الدم. ومع ذلك، يعد تقدير الزاوية غير الدقيق سبباً رئيسياً للأخطاء التي تؤثر على قياسات سرعة الدم المستندة إلى دوبلر. ولذلك، يقدم الباحثون اليوم نهجاً مبتكراً يعتمد على التعلم العميق (Deep Learning) لتقدير زاوية دوبلر بشكل تلقائي.

تم تطوير هذا النظام باستخدام 2100 صورة للأوتار السباتية البشرية، مع استخدام تقنيات تعزيز الصور (Image Augmentation) لتحسين النتائج. استخدمت الخوارزمية خمس نماذج مسبقة التدريب لاستخراج ميزات الصورة، حيث تم تمرير هذه الميزات إلى شبكة سطحية مخصصة لتقدير الزاوية.

قارن الباحثون بين النتائج المستخلصة آلياً وتقديرات المراقب البشري، وأظهرت النتائج أن الخطأ المطلق الوسيط (MAE) بين التقديرات الآلية واليدوية تراوح بين 3.9 درجة و9.4 درجة للأنظمة التي تم تقييمها. ومن المثير للاهتمام، أن النظام الأفضل أداءً كان لديه MAE أقل من العتبة المقبولة للخطأ في زاوية دوبلر، مما يساعد على تجنب تصنيف القيم العادية في سرعة الدم كحالات ضيقة.

تبين هذه النتائج أن استخدام تقنيات التعلم العميق في تقدير زاوية دوبلر للألتراساوند يمكن أن يكون له تأثير كبير في تعزيز دقة القياسات السريرية، مما يمهد الطريق لإمكانية دمجها ضمن برامج التصوير في أجهزة الألتراساوند التجارية.

ما رأيكم في هذه التقنية الجديدة؟ هل تعتقدون أنها ستحدث فرقاً في تحسين نتائج الفحوصات الطبية؟ شاركونا آراءكم في التعليقات!