التفسيرات البصرية لنهج التعلم العميق في الكشف عن مرض السل

الملخص

لا يزال مرض السل يشكل تهديدا كبيرا للصحة العالمية، لا سيما في المناطق ذات الموارد المنخفضة حيث غالبا ما يكون التشخيص في الوقت المناسب صعبا. أظهرت التطورات الحديثة في الذكاء الاصطناعي والتعلم العميق وعدا كبيرا في أتمتة الكشف عن الأمراض من خلال تحليل صور الأشعة السينية للصدر، وهي طريقة تشخيصية مستخدمة على نطاق واسع وفعالة من حيث التكلفة. في هذه الدراسة استخدمت شبكة عصبية تلافيفية عميقة (VGG16) مدربة مسبقا على مجموعة بيانات (ImageNet)-لتصنيف الصور الشعاعية للصدر تلقائيا على أنها مصابة أو سليمة. تم تقييم النموذج باستخدام مقاييس الأداء القياسية وحقق دقة عالية بلغت 99.93٪، مما يدل على قدرتها القوية في تحديد مرض السل من صور الأشعة السينية. لتعزيز الشفافية والثقة السريرية، تم دمج التدرجات المتكاملة كأسلوب ذكاء اصطناعي يمكن تفسيره. تحدد تصورات التدرجات المتكاملة مناطق الرئة الأكثر تأثيرا على تنبؤات النموذج، مما يمكن المتخصصين في الرعاية الصحية من فهم قرارات الذكاء الاصطناعي والتحقق منها بشكل أفضل. في نهاية المطاف، قدمت هذه النتائج نهجا واعدا وقابل للتفسير وقابل للتطوير لفحص السل الآلي - وهو ذو قيمة خاصة في إعدادات الرعاية الصحية المحدودة الموارد ودعم التكامل المحتمل لهذه الأنظمة في أدوات دعم القرار السريري.