نموذج التعلم العميق المجمّع لإزالة الضوضاء وتجزئة أوتسو المحسّنة لتشخيص مرض ألزهايمر من صور الرنين المغناطيسي

يحتل تشخيص مرض ألزهايمر مكانة محورية في تحديد الخيارات العلاجية المناسبة للمصابين به وتوقيت التدخل الطبي، وتعتمد أساليب التصنيف الآلي للمرض على خصائص تُستخرج من الصور الطبية بصعوبة وبجهد يدوي كبير، وتعد مرحلة إزالة الضوضاء من الصور أهم مراحل التشخيص لما لها من أثر مباشر في استعادة استقرار الصورة وجودتها قبل تحليلها وتصنيفها، فكل تحسين في نقاء الصورة ينعكس على دقة القرار التشخيصي النهائي

تتجه الأبحاث الحديثة إلى توظيف تقنيات التعلم العميق في معالجة صور الرنين المغناطيسي للدماغ عبر نماذج تجمع بين إزالة الضوضاء والتجزئة والتصنيف في خط معالجة متكامل، وتقدم هذه الدراسة نموذجًا مجمعًا يوظف تقنيات متعددة لإزالة الضوضاء بالتوازي مع تجزئة محسّنة بخوارزمية بحث ذكية ونموذج تصنيف عميق مدرب مسبقًا، بما يرفع دقة الكشف عن المرض ويدعم قرارات الأطباء

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى تطوير نموذج متكامل لتشخيص مرض ألزهايمر من صور الرنين المغناطيسي، واعتمدت تقنية مجمعة لإزالة ضوضاء الصور تجمع بين الشبكة العصبية الالتفافية الموجهة بالانتباه والمشفر التلقائي التكيفي لإزالة الضوضاء وشبكة الاعتقاد العميق الغوسية، إذ تخفف الشبكة الهجينة الضوضاء وتصطف على المسار العام بدمج الخصائص العامة والمحلية، ويتعلم المشفر في نموذج المشفر التلقائي تمثيلات الصورة باستخدام طبقات التفافية بينما يستخدم مفكك التشفير طبقات فك التفاف، وتمدد شبكة الاعتقاد العميق الغوسية الشبكة القياسية إلى آلات بولتزمان المقيدة الغوسية، ويختار التعلم المجمّع الأسلوب صاحب أعلى نسبة إشارة إلى ضوضاء ذروية لدمج نواتج التعلم، ثم تأتي تجزئة أوتسو التي تفصل الخلفية عن المقدمة بحساب التباينات داخل المجموعتين وتحدد العتبة التي تقلل المجموع المرجح للتباينات، وتُحسّن خوارزمية تحسين سرب الجراد اختيار العتبة بمحاكاة سلوك أسراب الجراد، ويُستخدم نموذج الشبكة الالتفافية العميقة في جي جي 16 مدربًا مسبقًا على مجموعات بيانات ألزهايمر للتصنيف النهائي

ثانيًا: أبرز النتائج

1. حقق النموذج المقترح حساسية بلغت 95.86 في المئة في الكشف عن حالات مرض ألزهايمر ضمن بيانات التقييم

2. بلغت النوعية 94.93 في المئة، وبلغت القيمة التنبؤية الإيجابية 94.55 في المئة

3. سجلت درجة إف واحد قيمة 95.21 في المئة، وسجلت الدقة الكلية للتصنيف 95.87 في المئة

4. بلغت المساحة تحت منحنى خصائص التشغيل للمستقبل 96.45 في المئة، وهي أعلى القيم المحققة بين مؤشرات الأداء المقدرة في الدراسة

ثالثًا: دلالات الدراسة وتطبيقاتها

تشير هذه النتائج إلى أن الجمع بين تقنيات متعددة لإزالة الضوضاء في نموذج مجمع واحد، مع تجزئة محسّنة بخوارزمية بحث مستوحاة من سلوك الأسراب الطبيعية، يمكن أن يحسن جودة صور الرنين المغناطيسي ويرفع أداء تصنيف مرض ألزهايمر رفعًا ملموسًا، ويمثل ذلك اتجاهًا واعدًا لدعم الأطباء بأدوات مساعدة على التشخيص المبكر، على أن تظل هذه الأدوات خاضعة للتحقق السريري والاعتماد المؤسسي قبل توظيفها في الممارسة الطبية الفعلية

ويستحق خط المعالجة المقترح وقفة عند تكامله، إذ لا يعمل كل مكون بمعزل عن الآخر بل تتسلسل المراحل بحيث تحسن كل مرحلة مدخلات التي تليها، فإزالة الضوضاء المجمعة تمنح التجزئة صورًا أنقى تستطيع خوارزمية أوتسو المحسّنة أن تفصل فيها الخلفية عن المقدمة بدقة أعلى، وتمنح التصنيف العميق خصائص أوضح يستند إليها القرار، ويمثل اختيار أسلوب إزالة الضوضاء الأفضل وفق نسبة الإشارة إلى الضوضاء الذروية آلية تكيف تجعل النموذج أنسب لتنوع جودة الصور الطبية في الممارسة الواقعية، وهي خصائص تجعل المقاربة قابلة للنقل إلى مهام تصوير طبي أخرى تتطلب تنظيفًا وتجزئة دقيقين قبل التصنيف، وتتطلب ترجمة هذه النتائج إلى أدوات سريرية دراسات تحقق خارجي على صور من مراكز متعددة

وخلاصة القول إن الدراسة تقدم خط معالجة متكاملًا يبدأ من تنظيف الصورة وتجزئتها وينتهي بتصنيفها بمؤشرات أداء مرتفعة، ويفتح الباب أمام بحوث لاحقة تختبر النموذج على مجموعات بيانات أوسع وأكثر تنوعًا وتقارن أداءه بأساليب حديثة أخرى في بيئات سريرية واقعية