Deep learning–based classification of mesial and distal horizontal projection deviations in intraoral radiographs
تُظهر هذه الدراسة أن نموذج التعلم العميق الذي تم تدريبه على بيانات وهمية (phantom data) يمكنه تصنيف انحرافات الإسقاط الأفقي الإنسي والوحشي بدقة في الصور الشعاعية داخل الفم، متفوقاً بذلك على أطباء الأسنان البشريين، ومقدماً دعماً محتملاً للتصحيحات الاتجاهية أثناء التصوير المتكرر.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في دقة هادئة داخل عيادة طب الأسنان، تحمل صورة أشعة واحدة مفتاح تشخيص التسوس الخفي أو التخطيط لعلاجات معقدة. وللحصول على صورة واضحة، يجب على طبيب الأسنان توجيه شعاع الأشعة السينية بالزاوية الصحيحة تماماً. فإذا مال الشعاع ولو قليلاً جداً نحو اليسار أو اليمين، تتداخل ظلال الأسنان، مما يؤدي إلى طمس نقاط التماس حيث يختبئ التسوس غالباً. هذا الخطأ، المعروف باسم انحراف الإسقاط الأفقي، يجبر المريض على تحمل جولة أخرى من الإشعاع ويجبر الطبيب على البدء من جديد. لعقود من الزمن، اعتمد الحل كلياً على العين البشرية والخبرة لتخمين الاتجاه الذي أخطأ فيه الشعاع. ولكن مع بدء الذكاء الاصطناعي في رؤية العالم من خلال عدسة التعلم العميق، بدأ نوع جديد من المساعدة في الظهور—نوع يمكنه النظر إلى صورة ضبابية وإخبار المشغل بالضبط بالاتجاه الذي يجب أن يحرك الجهاز إليه لإصلاح الخطأ.
سعى الباحثون في جامعة كاناغاوا لطب الأسنان إلى بناء نظام حاسوبي قادر على اتخاذ هذا الحكم المحدد. أرادوا إنشاء نموذج يمكنه النظر إلى صورة أشعة داخل الفم وتحديد ما إذا كان شعاع الأشعة السينية قد مال نحو مقدمة الفم، وهو ما يعرف بالانحراف الميالي (mesial deviation)، أو نحو الخلف، وهو ما يعرف بالانحراف القاصي (distal deviation). ولتعليم هذا النظام، لم يستخدموا مرضى حقيقيين، بل استخدموا نموذجاً واقعياً لجمجمة بشرية، مكتملاً بالأسنان وعظام الفك، ووضعوه داخل نموذج محاكي متخصص (phantom). قاموا بوضع رأس أنبوب الأشعة السينية في وضع مستقيم ومثالي ليكون بمثابة خط أساس، ثم حركوه عمداً في ثمانية اتجاهات مختلفة، مائلين بزوايا تتراوح بين خمس وخمس وثلاثين درجة. أنتجت هذه العملية مكتبة من الصور تظهر بالضبط ما يحدث عندما يكون الشعاع بعيداً عن المركز، ملتقطةً التحولات الطفيفة في كيفية تداخل تيجان الأسنان وجذورها.
غذى الباحثون نموذج تعلم عميق، وهو نوع من البرامج الحاسوبية المصممة للتعرف على الأنماط تماماً كما يفعل الدماغ البشري، بآلاف من هذه الصور. واستخدموا تقنية تسمى "تعزيز البيانات" (data augmentation)، والتي تتضمن أخذ الصور الأصلية وإنشاء العديد من النسخ المزاحة والمقتطعة منها. ساعدت هذه الحيلة الحاسوب على التعلم للتعرف على الانحرافات بغض النظر عن المكان الذي وُضع فيه المستشعر في الفم بالضبط. تم تدريب النظام على النظر إلى أشكال الأسنان والمساحات بينها، ليتعلم ربط التشوهات البصرية المحددة باتجاه الخطأ. وبمجرد اكتمال التدريب، اختبر الفريق النموذج على مجموعة منفصلة تماماً من الصور الملتقطة من نموذج جمجمة ثانٍ ومختلف لم يره الحاسوب من قبل.
كانت النتائج مذهلة. فعندما عُرضت عليه أربعون صورة جديدة، حدد الحاسوب اتجاه الخطأ في ست وثلاثين منها بشكل صحيح، محققاً نسبة نجاح بلغت تسعين بالمائة. ولمعرفة كيف يقارن ذلك بالخبرة البشرية، طُلب من خمسة أطباء أسنان ذوي خبرة النظر إلى الصور نفسها وتخمين اتجاه الخطأ. تباين الأداء البشري بشكل كبير؛ فبعض الأطباء كانوا على صواب معظم الوقت، بينما لم يكن بعضهم الآخر على صواب إلا في ربع الحالات. وفي المتوسط، أجاب الأطباء بشكل صحيح في اثنين وستين بالمائة من الحالات. ومع ذلك، حافظ الحاسوب على مستوى عالٍ من الدقة عبر جميع الحالات، متفوقاً على أربعة من الأطباء الخمسة ومتفوقاً بشكل ملحوظ على اثنين منهم. وفي الحالات التي كان فيها الحاسوب على صواب والطبيب على خطأ، كان الجهاز قد رصد الإشارات الدقيقة التي غابت عن العين البشرية.
ولفهم كيفية اتخاذ الحاسوب لهذه القرارات، استخدم الباحثون أداة تصور تسلط الضوء على الأجزاء التي يركز عليها النظام. لم يقم الحاسوب بمجرد التخمين بناءً على حواف الصورة أو الخلفية، بل ركز على تيجان الأسنان، والأسطح بين الأسنان، والمناطق حول الجذور. وقد أكد هذا أن النموذج كان يحلل بالفعل الهياكل التشريحية التي تتغير عندما يتم توجيه الشعاع بشكل خاطئ، بدلاً من الاعتماد على أنماط عرضية في الصورة. تشير الدراسة إلى أنه بينما لا يعد الحاسوب بديلاً لطبيب الأسنان بعد، إلا أنه يمكن أن يعمل كـ "رأي ثانٍ" قوي. فإذا التقط طبيب الأسنان صورة وكانت غير واضحة، يمكن لهذا النظام أن يخبره فوراً ما إذا كان عليه تحريك أنبوب الأشعة السينية قليلاً للأمام أو للخلف لتصحيح اللقطة، مما يوفر الوقت ويقلل من التعرض غير الضروري للإشعاع للمريض.
يحرص الباحثون على ملاحظة أن عملهم هو خطوة أولى. فقد أُجريت الدراسة في بيئة محكومة باستخدام جماجم اصطناعية، ولم يُطلب من الحاسوب سوى تحديد ما إذا كان الاتجاه "أمامياً" أو "خلفياً"، وليس حساب عدد الدرجات الدقيق الذي انحرف به الشعاع. سيتعين على العمل المستقبلي اختبار هذه الأنظمة على مرضى حقيقيين ومع متغيرات أكثر تعقيداً في جودة الصورة. ومع ذلك، فإن النتائج تثبت أن الذكاء الاصطناعي يمكنه تعلم رؤية الأخطاء الهندسية المحددة التي تحدث أثناء تصوير الأسنان. ومن خلال تقديم تقييم موضوعي ومتسق لهذه الأخطاء التقنية، يمكن لهذه الأدوات أن تساعد في توحيد جودة صور الأشعة السينية للأسنان، مما يضمن أن كل صورة يتم التقاطها حادة بما يكفي للكشف عن الحقيقة المختبئة بين الأسنان.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.