تدريب نموذج ذكاء اصطناعي لاكتشاف تمزق الأبهر باستخدام صور تصوير مقطعي محوسبة غير متباين من مرضى بشريين

Yi Gao; Liu Siyu; Yirui Jiang; Xiyue Hu; Yuxuan Wu; Ke Li; Zhilin Guo; Huan Sun

doi:10.3791/71056

Method Article

تدريب نموذج ذكاء اصطناعي لاكتشاف تمزق الأبهر باستخدام صور تصوير مقطعي محوسبة غير متباين من مرضى بشريين

DOI:

10.3791/71056

⸱

May 29th, 2026

Yi Gao¹ , Liu Siyu² , Yirui Jiang² , Xiyue Hu² , Yuxuan Wu² , Ke Li² , Zhilin Guo³ , Huan Sun¹

¹Department of Cardiology, China-Japan Union Hospital of Jilin University, ²China-Japan Union Hospital of Jilin University, ³Chengdu Zhitu Intelligent Technology Co., Ltd

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يصف هذا البروتوكول تدريب نموذج ذكاء اصطناعي لاكتشاف تشريح الأبهر باستخدام صور تصوير مقطعي محوسبة غير متباينة، مما يتيح فحصا سريعا وسهل الوصول إليه في البيئات السريرية.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعد تشريح الأبهر (AD) نتيجة شديدة لضعف توازن الأوعية الدموية ويتطلب تحديدا سريعا ودقيقا في الممارسة السريرية. يصف هذا البروتوكول نموذج تعلم قائم على الذكاء الاصطناعي لتحديد مرض الزهايمر باستخدام التصوير المقطعي المحوسب غير التباين (CT). تم جمع مجموعات بيانات تصوير الأوعية المقطعي المقطعي للصدر والتصوير المقطعي الأبهر من مرضى الزهايمر وغير المصابين بمرض الزهايمر في مستشفى من الدرجة الثالثة. تم تقسيم الهياكل الوعائية على كل صورة محورية يدويا وتعليق عليها باستخدام برنامج LabelMe مفتوح المصدر لإنشاء مجموعة بيانات تقسيم لتطوير وتقييم النموذج. تم تقسيم مجموعة البيانات إلى مجموعات تدريب واختبار وتحقق بنسبة 8:1:1 لتدريب النماذج والتحقق من الصحة. بعد تطوير نموذج يتمتع بأداء كشف قوي، تم إنشاء منصة معالجة عبر الإنترنت لعرض وتصوير النتائج بفعالية. يوفر هذا النهج أداة قوية وذكية للفحص السريع والأولي للمرض الزهايمر ويعالج الحاجة السريرية غير الملباة للكشف المبكر المتاح عبر بيئات سريرية متنوعة.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تمزق الشريان الأبهر (AD) هو حالة حادة مهددة للحياة تتميز بدخول الدم إلى الطبقة الوسطى من جدار الشريان الأبهر عبر تمزق في البطانة الجسدية، مكونا تجويف زائف مشقح ومتمدد¹. بدون تشخيص وعلاج في الوقت المناسب، يكون معدل الوفيات مرتفعا للغاية، حيث بلغت نسبة الوفاة خلال 24 ساعة (بما في ذلك الوفاة قبل الوصول إلى المستشفى) 93٪². تصوير الأوعية المقطعية المحوسبة المحوسب بتقنية التباين (CTA) هو المعيار الذهبي لتشخيص مرض الزهايمر، حيث يمكنه بوضوح رؤية التلومين الحقيقي والخاطئ، وموقع التمزق، ومدى التورط³. ومع ذلك، يتطلب CTA حقن عوامل تباين تحتوي على اليود، والتي تحمل مخاطر التفا....

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم إجراء جميع جمع البيانات المتعلقة بالبشر في هذه الدراسة وفقا للمعايير الأخلاقية لإعلان هلسنكي، وتمت الموافقة عليه من قبل لجنة الأخلاقيات في مستشفى الاتحاد الصيني الياباني بجامعة جيلين (رقم الموافقة: 2019103004). تم الحصول على موافقة مستنيرة كتابيا من جميع المشاركين الأفراد أو من أوصيائهم القانونيين قبل جمع معلوماتهم ذات الصلة. تم الحفاظ على جميع المعلومات الشخصية للأشخاص سرية تماما لحماية خصوصيتهم، ولم تجر أي عمليات تجريبية على المشاركين أثناء عملية جمع البيانات.

1. بناء مجموعة البيانات

جمع البيانات وتقسيم مجموعات البيانات
1. اجمع صور الأشعة المقطعية للصدر السريرية غير ....

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يقدم هذا القسم النتائج القابلة لإعادة الإنتاج والتحقق منها من خلال نموذج كشف الكائنات ذو الفئتين لاكتشاف AD من صور NCCT، متوافقا بدقة مع خط أنابيب التدريب المعتمد وإطار تقييم COCO (الشكل 1). جميع المقاييس مشتقة من مجموعة الاختبار المحتجزة باستخدام COCOeval، دون وجود بيانات مزيفة أو مؤشرات غير مثبتة.

أداء الكشف الكمي

تم تقييم النموذج على مجموعة اختبار محفوظة تضم 140 صورة (154 تعليق توضيح.......

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

قد يواجه الأطباء السريريون، وخاصة أطباء الطوارئ، تراجعا في الأداء التشخيصي عندما يظهر المرضى بأعراض غير نمطية أو عندما يفرض حجم المرضى الكبير في قسم الطوارئ ضيقا زمنيا. على النقيض من ذلك، يمكن لنموذج الذكاء الاصطناعي المدرب على تحديد مرض الزهايمر في NCCT أن يقدم أداء ثابتا ومستقرا حتى لدى المرضى الذين لا تظهر عليهم أعراض، دون أن يكون محدودا بوقت القراءة، مما قد يحسن دقة وكفاءة تشخيص AD والورم الدموي داخل المراس⁹.

تعد مرحلة بناء مجموعة ا.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعلن المؤلفون عدم وجود تضارب مصالح.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يشكر المؤلفون بكل امتنان قسم الأشعة في مستشفى الاتحاد الصيني الياباني بجامعة جيلين على توفير بيانات التصوير السريري والدعم المتخصص في التعليقات التوضيحية. وقد دعمت هذه الدراسة إدارة العلوم والتكنولوجيا في مقاطعة جيلين، الصين (رقم المنحة 20220402076GH).

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
Name	Company	Catalog Number	Comments
بنية كاسكيد R-CNN	OpenMMLab (MMDetection)	الإعدادات/cascade_rcnn/cascade_ rcnn_hrnetv2p_w32_20e_coco.py	بنية الكشف المستخدمة في إطار العمل
صور التصوير المقطعي المحوسبة للصدر (بدون تباين)	مجموعة بيانات سريرية ذاتية الإنشاء	مجموعة الصور المحورية NCCT	بيانات التصوير السريري المستخدمة في تطوير النماذج
ملفات التعليقات التوضيحية بتنسيق COCO	يتم توليدها أثناء البروتوكول	JSON (تنسيق COCO)	ملفات التعليقات التوضيحية المحولة المستخدمة في تدريب النماذج
أوزان COCO المدربة مسبقا	حديقة نماذج OpenMMLab MMDetection	cascade_rcnn_hrnetv2p_w32_20e_ coco_20200208-928455a4.pth	يستخدم لتهيئة النموذج
بنية HRNetV2p-W32	OpenMMLab (MMDetection)	العمود الفقري HRNetV2p-W32 (تم تنفيذه في MMDetection 2.28.2)	نموذج العمود الفقري المستخدم
ITK-SNAP	فريق تطوير ITK-SNAP	3.8.0	يستخدم لتحويل تنسيقات الصورة وتصدير الشرائح
ملفات تعليقات JSON	إخراج LabelMe	تنسيق JSON القياسي	تحتوي على إحداثيات التعليق والتسميات
ليبل مي	معهد ماساتشوستس للتكنولوجيا (MIT CSAIL)	4.8.3	يستخدم في التعليق اليدوي على الصور
MMDetection	OpenMMLab	2.28.2	إطار كشف الكائنات المستخدم في التنفيذ
MMCV	OpenMMLab	1.7.2	المكتبة الأساسية التي تدعم MMDetection
نومباي	مطورو نومبي	1.26.4	مكتبة الحوسبة العددية
بطاقة رسومات NVIDIA RTX 3080 Ti	NVIDIA	RTX 3080 Ti	الأجهزة المستخدمة في التدريب
OpenCV	OpenCV	4.9.0	معالجة الصور والتصوير
بايكوكوتول	واجهة برمجة تطبيقات PyPI / COCO	2.0.6	مكتبة تقييم تنسيق COCO
بايثون	مؤسسة بايثون للبرمجيات	3.10.20	بيئة البرمجة
بايتورش	بايتورش	2.0.1+cu118	إطار التعلم العميق
تورش فيجن	بايتورش	0.15.2+cu118	أدوات الرؤية
نظام تشغيل أوبونتو	القانوني	22.04.1 LTS	نظام بيئة التدريب

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

تدريب نموذج ذكاء اصطناعي لاكتشاف تمزق الأبهر باستخدام صور تصوير مقطعي محوسبة غير متباين من مرضى بشريين

In This Article

Summary

Abstract

Introduction

Protocol

Results

Discussion

Disclosures

Acknowledgements

Materials

Reprints and Permissions

Tags

Related Articles