التشخيص المبكر للتوحد عند الأطفال باستخدام الشبكات العصبية التلافيفية (CNN)

الملخص

يشهد استخدام الذكاء الاصطناعي إلى جانب المهارات الطبية نموًا ملحوظًا في السنوات الأخيرة، مما أدى إلى نتائج مبهرة في مجالي التصنيف والمعالجة، وسهّل عمل الكوادر الطبية.  وازديادًا على ذلك، برزت الحاجة الملحة لأدوات برمجية تُساعد في تصنيف الأمراض بشكل مبكر. انطلاقًا من هذه الحاجة، تهدف هذه الورقة الي تطوير نموذج شبكة عصبية ثنائية التوجه مع واجهة تطبيق ويب لتشخيص اضطراب طيف التوحد لدى الأطفال. تم الاعتماد على تقنيات التعلم الآلي للكشف المبكر عن هذا الاضطراب تتضمن المنهجية المستخدمة جمع مجموعة بيانات شاملة تحتوي على 6000 صورة، تعديل أبعاد الصور للتركيز على منطقة الوجه، واستخراج الميزات الشكلية المرتبطة بأعراض الاضطراب. تم تطبيق تقنيات كشف الحواف وتقسيم الصور إلى أجزاء يمكن التعرف عليها. بعد ذلك، تم تدريب النموذج باستخدام هذه الميزات، وتم تقييم الأداء باستخدام مقاييس مثل الدقة ومعدل F1. حقق النموذج المقترح دقة تتراوح بين 70٪ و76٪ ومعدل F1 يتراوح بين 75٪ و79٪، مما يدل على قدرته على تصنيف حالات اضطراب طيف التوحد بدقة عالية.  ويوفر تطبيق الويب واجهة سهلة الاستخدام وسهلة الوصول للاستفادة من نموذج التشخيص، مما يسهل عملية الفحص والتقييم. ومع ذلك، من المهم التأكيد على أن نموذج الشبكة العصبية التلافيقية (CNN) Convolutional Neural Networkيُعد أداة داعمة للتشخيص وليس أداة نهائية. ففي حين أنه يُمكن أن يساعد في تحديد حالات اضطراب طيف التوحد المحتملة الاستنتاجات تشير إلى أهمية دور الخبراء في التشخيص، وتوصي بتوسيع مجموعة البيانات، تطبيق تقنيات تكبير البيانات، وتدريب المتخصصين على استخدام النموذج وتفسير نتائجه بشكل صحيح.