Attention U-Net الكشف المبكر عن اعتلال الشبكية السكري والزرق من خلال تجزئة صور قاع العين

الملخص

يُعد اعتلال الشبكية السكري (DR) والزرق من أكثر أسباب العمى شيوعًا على مستوى العالم، إذ يُصيبان الملايين ويُشكلان عبئًا على الصحة العامة. يُعدّ التشخيص المبكر لكلٍّ من اعتلال الشبكية السكري والزرق أمرًا بالغ الأهمية لتجنب فقدان البصر الذي لا رجعة فيه. يعتمد التشخيص التقليدي لاعتلال الشبكية السكري أو الزرق على الفحص اليدوي لصور قاع الشبكية بواسطة متخصصين مُدرَّبين. تُعد هذه العملية الطبية شاقة وقد تُغفل التغيرات الدقيقة المبكرة. وللتغلب على هذه العوائق، تسعى هذه الدراسة إلى البحث في نهج التعلم العميق الآلي باستخدام نموذج Attention U-Net لتجزئة واكتشاف تشوهات الشبكية المرتبطة باعتلال الشبكية السكري والزرق بناءً على بيانات قاع الشبكية. يُقسِّم إطار Attention U-Net بدقة هياكل شبكية كبيرة، بما في ذلك الأوعية الدموية ورأس العصب البصري، ويُركِّز على السمات المرضية في هذه الهياكل مثل تمدد الأوعية الدموية الدقيقة المرتبطة باعتلال الشبكية السكري، وتلف العصب البصري المرتبط بالزرق. تم تدريب النموذج باستخدام دوال فقدان متخصصة، وهي فقدان النرد وفقدان البؤرة، وذلك لتخفيف اختلال التوازن الطبقي وتحسين حساسية الكشف عن الآفات. تم تدريب النموذج والتحقق من صحته باستخدام مجموعات بيانات عامة، بما في ذلك DRIVE وDIARETDB1 وRIM-ONE، مما أظهر أداءً قويًا وموثوقًا، تكشف النتائج التجريبية أن شبكة Attention U-Net تحقق أداءً أفضل من شبكات التجزئة القياسية، مثل U-Net وSegNet وDeepLab، بناءً على مقاييس كمية تشمل الدقة، ومعامل النرد، ونسبة التقاطع على الاتحاد (IoU)، والحساسية، والنوعية. تشير تصورات نتائج التجزئة إلى أن النموذج يُظهر قدرة مُحسّنة على تحديد البنية الوعائية المعقدة، بالإضافة إلى بنية العصب البصري، مما يُشير إلى خطر مُحتمل للتشخيص المُبكر. باختصار، يوفر إطار عمل Attention U-Net عملية آلية سريعة ودقيقة لأطباء العيون لتحليل صور قاع الشبكية للكشف المبكر عن اعتلال الشبكية السكري والجلوكوما، والوقاية من العلاج في الوقت المناسب، وربما تخفيف التأثير العالمي على ضعف البصر.