نهج تكاملي بين خوارزمية K-Means والشبكات العصبية التلافيفية (CNN) لتصنيف كسور اليد: دراسة تطبيقية على بيانات سريرية محلية
DOI:
https://doi.org/10.65421/jshd.v2i1.72الكلمات المفتاحية:
الذكاء الاصطناعي، التعلم العميق، الشبكات العصبية التلافيفية (CNN)، خوارزمية K-Means، صور الأشعة السينية، كسور اليد، معالجة الصور الطبية، دعم القرار السريريالملخص
تعد دقة تشخيص كسور العظام في الصور الإشعاعية تحدياً محورياً في أقسام الطوارئ نظراً للتعقيد التشريحي لعظام اليد واحتمالية الخطأ البشري الناتج عن الإجهاد. تهدف هذه الدراسة إلى تطوير نظام هجين متطور يعتمد على دمج تقنيات التعلم غير الخاضع للإشراف مع الشبكات العصبية العميقة لرفع كفاءة التصنيف الآلي لصور الأشعة السينية (X-ray). اعتمدت المنهجية المقترحة على خوارزمية K-Means لتنفيذ عملية تجزئة الصور (Image Segmentation) واستخلاص الميزات الهيكلية الدقيقة، متبوعة بالشبكات العصبية التلافيفية (CNN) لتصنيف الصور إلى فئتين (سليمة، ومصابة بكسر).
تميزت الدراسة باستخدام قاعدة بيانات واقعية تم جمعها من أرشيف قسم الأشعة بمستشفى يفرن العام بليبيا، مما أعطى البحث طابعاً تطبيقياً يتجاوز البيانات المختبرية المثالية. أظهرت النتائج تفوقاً ملحوظاً للنموذج الهجين المقترح، حيث حقق مستويات دقة (Accuracy) وتخصصية (Specificity) عالية مقارنة بالنماذج التقليدية، مما يشير إلى قدرة النظام على العمل كأداة دعم قرار سريري موثوقة تساعد الأطباء غير الاختصاصيين في المناطق النائية وتقليل عبء العمل في المراكز الطبية المزدحمة. تخلص الدراسة إلى أن التكامل بين العنقودية والتعلم العميق يوفر آلية تشخيصية قوية قادرة على التعامل مع تعقيدات الصور الطبية الواقعية.
