اكتشاف جلوكومة العين بذكاء: طريقة عصرية تجمع بين التعلم العميق والتعلم الجماعي

يعد مرض الجلوكومة (Glaucoma) من الأمراض المهددة للرؤية، حيث يُسبب تضرراً دائماً في العصب البصري عند عدم اكتشافه وعلاجه في الوقت المناسب. وعلى الرغم من تحسين تقنيات الذكاء الاصطناعي في تشخيص هذا المرض، إلا أن التحديات المتعلقة بتحسين الميزات، توازن الفئات، واستدامة النماذج لا تزال قائمة.

لذلك، تقدم دراسة جديدة نظاماً هجيناً يدمج استخراج الميزات المعززة بالانتباه مع التعلم الجماعي المتنوع، مما يُمكنه من استغلال نقاط القوة في كل تقنية. تستخدم الورقة نموذج InceptionV3 لاستخراج تمثيلات عميقة يتم تحسينها باستخدام وحدة الانتباه الخاصة (Convolutional Block Attention Module - CBAM)، مما يزيد من تمييز الميزات الشبكية الهامة.

وبعد استخراج الميزات، يتم تصنيفها باستخدام مجموعة متنوعة من نماذج التعلم الآلي، مُعتمدة على استراتيجيات التعلم الجماعي من المستوى الفردي (Single-Level Ensemble - SLE) والمستوى المزدوج (Double-Level Ensemble - DLE). كما تم استخدام تقنية SMOTE مع Tomek Links للتقليل من عدم توازن الفئات.

عند مقارنة هذه الطريقة مع الميزات اليدوية والميزات العميقة، أظهرت النتائج أن الأساليب المعتمدة على الميزات العميقة تتفوق بشكل ملحوظ. تضيف هذه المنهجية المعززة بالانتباه بُعداً جديداً من الفعالية في التقنيات الحديثة، حيث تؤكد تقييمات Grad-CAM أن النموذج المقترح يركز على مناطق الشبكية ذات الأهمية السريرية، مما يعكس عملية التنبؤ بطريقة قابلة للفهم.

هل تعتقد أن هذه البحوث ستحدث تغيراً جذرياً في أساليب الكشف عن الجلوكومة؟ شاركونا آرائكم في التعليقات!