نشر فريق بحثي من Ochsner Health مؤخرًا مقالًا ثاقبًا في المنتدى الدولي للحساسية والأنف والأذن والحنجرة حول تطبيق الشبكات العصبية التلافيفية (CNNs) لتحسين دقة وكفاءة تنظير الأنف. تتناول الدراسة، التي كتبها طبيب مقيم مساعد الدكتور فيناياك غانيشان تحت إشراف كبير أطباء الأنف والأذن والحنجرة الدكتور إدوارد دي ماكول، التحديات التي تطرحها التشريح المعقد لتجويف الأنف في التشخيص الأنفي.
يعد تنظير الأنف (NE) أداة تشخيصية مهمة في علم الأنف، ولكن يمكن أن تتأثر فعاليته بالهيكل المعقد لتجويف الأنف. استكشفت الدراسة نموذجًا قائمًا على CNN مصممًا لتحديد وتجزئة المعالم الرئيسية بدقة في صور تنظير الأنف. تم الحصول على الصور للدراسة من فحوصات NE التي أجريت في مركز Ochsner الطبي في نيو أورلينز بين عامي 2014 و 2023 باستخدام منظار رقمي قياسي. تم تجزئة ما مجموعه 2111 صورة يدويًا بواسطة ثلاثة أطباء.
قام الباحثون بتكوين نموذج اكتشاف الكائنات YOLOv8 لأداء ثلاث مهام: تصنيف وجود محارة أنفية، وتحديد موقعها، وتطبيق قناع تجزئة يحدد حدودها. تم استخدام التعلم الانتقالي لتحسين أداء النموذج على صور NE من خلال الانتشار الخلفي والانحدار التدرجي العشوائي. من خلال الاختيار اليدوي للمعلمات الفائقة وإيقاف التدريب عند توقف أداء التحقق لمدة 15 حقبة، حقق النموذج نتائج رائعة.
حدد النموذج المحارة الأنفية السفلية (IT) والمحارة الأنفية الوسطى (MT) بدقة متوسطة بلغت 91.5%، ودقة متوسطة بلغت 92.5%، واستدعاء متوسط بلغ 93.8%. عند عتبة ثقة بلغ متوسط درجة F1 للنموذج 93.1%.
قال الدكتور غانيشان: "تُظهر أبحاثنا أن الشبكات العصبية التلافيفية يمكن أن تحسن بشكل كبير دقة تفسير تنظير الأنف". "إن متوسط دقة 91.5% في تحديد الهياكل التشريحية الهامة مثل المحارة الأنفية السفلية والوسطى يمثل تقدمًا في الكفاءة التشخيصية والدقة".
يمثل هذا التطبيق الناجح لنموذج YOLOv8 تقدمًا كبيرًا في طب الأنف. إن قدرة النموذج على تحديد وتجزئة IT و MT بدقة يمكن أن تساعد الأطباء في تشخيص وعلاج أمراض الجيوب الأنفية بشكل أكثر فعالية. هذا التقدم مفيد بشكل خاص للمتدربين والعاملين في المجال الطبي الذين غالبًا ما يواجهون صعوبة في فهم التشريح المعقد لتجويف الأنف.
قال الدكتور ماكول: "تُظهر هذه الدراسة إمكانات الشبكات العصبية التلافيفية في تحسين دقة وكفاءة تنظير الأنف". "من خلال الاستفادة من تقنيات الذكاء الاصطناعي المتقدمة، يمكننا تعزيز قدراتنا التشخيصية بشكل كبير وتقديم رعاية أفضل للمرضى الذين يعانون من مشاكل الجيوب الأنفية."
https://onlinelibrary.wiley.com/doi/10.1002/alr.23384
