تنبؤ عمر العظام لدى الأطفال باستخدام التعلم العميق: ثورة في الطب الحديث

تعد عملية التنبؤ بعمر العظام لدى الأطفال مهمة أساسية في ممارسة الطب، حيث تساهم في تشخيص اضطرابات الغدد الصماء وتقديم رؤى حول نمو الطفل وتطوره. ومع ذلك، غالبًا ما تكون الطرق التقليدية لتنبؤ عمر العظام مرهقة وتتطلب خبرة إشعاعية متخصصة. في هذا السياق، يقدم الباحثون نهجًا متطورًا يعتمد على التعلم العميق (Deep Learning) لتنبؤ عمر العظام لدى الأطفال باستخدام نموذج EfficientNet مزودًا بآلية الانتباه الإضافي (Additive Attention).

استندت هذه الدراسة إلى أكثر من 12,000 صورة شعاعية من مجموعة بيانات RSNA لسن العظام. يتضمن الأسلوب معالجة الصور، حيث يتم تحويلها إلى صور ثلاثية القنوات، وتدريب شبكة عصبية تلافيفية (Convolutional Neural Network) لتتعلم تلقائيًا ميزات صور عظام اليد. يوفر هذا النهج حلاً أكثر فعالية ودقة لتنبؤ عمر العظام، وهو أمر حاسم في تشخيص الأمراض الغدية الصماء الطفولية.

استخدمت الدراسا نموذجين من نموذج EfficientNet (B0 و B4) حيث تم تحسين EfficientNetB4 أيضًا باستخدام آلية الانتباه الإضافي. تظهر المقارنات في المنحنيات أن EfficientNetB4 و EfficientNetB4 المزود بآلية الانتباه الإضافي (EN-AA) نجحا في توقع أعمار العظام بدقة أكبر من العمر الأصلي، مع أداء أفضل مقارنةً بـ EfficientNetB0. تم توفير مقاييس أداء محددة لتوضيح هذا التحسين.

كما تؤكد منحنيات التعلم لخسارة التدريب والتحقق من فعالية التعلم دون الإصابة بالتقلبات، مما يعزز من كفاءة نهجنا في تشخيص الأمراض الغدية الصماء لدى الأطفال.