في خطوة متقدمة نحو تحسين تشخيص الأمراض الرئوية، تم تقديم إطار عمل جديد يعتمد على التعلم العميق لتحليل فيديوهات الفحص بالأشعة فوق الصوتية للرئة (Lung Ultrasound - LUS). تعتبر الأشعة فوق الصوتية أداة حيوية لتقييم وذمة الرئة لدى المرضى المعرضين لمخاطر بسبب فشل القلب أو ضعف وظيفة الكلى، لكنه كان من الصعب على أنظمة التحليل الآلي التغلب على تحديات الضجيج والتقنيات الصورية المتغيرة.

يسلط البحث الضوء على مكونين رئيسيين: التعلم الهرمي (Hierarchy-aware training) والتوجيه بالأناتوميا (Anatomy-guided learning). يبني هذا العمل على قاعدة قوية من النماذج ويقدم استراتيجيات تدريب هرمية جديدة، تلتقط تفاصيل هامة حول مناطق تشريحية ذات صلة دون إغفال التحليل الدقيق.

تم دراسة أربعة فئات سريرية هامة: الأصحاء، وخطوط B، والالتهابات، ووجود خطوط B مع الالتهابات، مستندين إلى مجموعة بيانات مفتوحة تضم 1886 فيديو من 219 مريضًا، وتم تقييم النتائج باستخدام تقنية التقاطع من خمسة مستويات على مستوى المريض (Patient-level five-fold cross-validation).

أظهرت النتائج أن التدريب الهرمي يعزز من فصل الحالات المرضية مقارنةً بالتصنيفات التقليدية، بينما حققت الإشرافات الموجهة بالماسكات أعلى متوسط لـ F1 macro بلغ 65.7%، مع أنماط انتباه محلية أكثر دقة.

تُظهر التجارب على مجموعة بيانات COVID-BLUeS قدرة تنافسية وفعالية من حيث المعلمات، مع الحفاظ على سلوك الانتباه الموجه نحو مناطق ذات أهمية. تشير هذه النتائج إلى أن دمج أهداف سريرية منظمة مع إشراف أناتومي موجه يعد نهجًا عمليًا لتحليل فيديوهات الأشعة فوق الصوتية بشكل موثوق وسهل الفهم.

للمزيد من المعلومات، يمكن العثور على الكود وتنفيذ النموذج على [https://github.com/Alya-Almsouti/LUS-video-classification].