💻 computer science

UltraSAM-Based Left Ventricular Analysis with Local-Global Feature Fusion for Echocardiographic Cardiac Disease Classification

تقترح هذه الدراسة إطار عمل هجين للتعلم العميق يدمج استخراج الميزات المحلية القائم على UltraSAM مع التمثيلات العالمية لـ Swin Transformer، والمُحسَّن عبر خوارزمية تحسين مستعمرة النمل والمُنمذج زمنياً بواسطة LSTM، لتحقيق تصنيف عالي الدقة لأمراض القلب من فيديوهات تخطيط صدى القلب.

المؤلفون الأصليون: Abdulwahab Alazeb, Farhat Basir, Shaheryar Najam, Bayan Alabdullah, Mohammed Alonazi, Ahmad Jalal Jalal, Youngrok kim, Kyoungyee Kim, Jungpil Shin

نُشر 2026-10-07

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Abdulwahab Alazeb, Farhat Basir, Shaheryar Najam, Bayan Alabdullah, Mohammed Alonazi, Ahmad Jalal Jalal, Youngrok kim, Kyoungyee Kim, Jungpil Shin

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

لا تزال أمراض القلب هي السبب الرئيسي للوفاة في جميع أنحاء العالم، حيث تحصد ملايين الأرواح كل عام. وينبع جزء كبير من هذه المآسي من عدم قدرة القلب على ضخ الدم بفعالية، وغالبًا ما يكون ذلك بسبب نوبة قلبية تسبب تلفًا في عضلة القلب. ولرصد هذه المشكلات مبكرًا، يعتمد الأطباء على صور الموجات فوق الصوتية للقلب، المعروفة باسم تخطيط صدى القلب. تُظهر هذه الصور حجرات القلب وجدرانه وهي تتحرك في الوقت الفعلي. ومع ذلك، فإن قراءة هذه الفيديوهات أمر صعب؛ إذ يتطلب الأمر عينًا مدربة تدريبًا عاليًا لرصد التغيرات الطفيفة في كيفية انقباض عضلة القلب، وحتى الخبراء قد يختلفون فيما يرونه. كما أن العين البشرية عرضة لتفويت العلامات الصغيرة جدًا والمبكرة للمتاعب التي تظهر قبل أن يشعر المريض بأي أعراض. وقد دفع هذا الفجوة بين ما يفعله القلب فعليًا وما يمكن للطبيب رؤيته بشكل موثوق إلى دفع الباحثين للبحث عن طريقة أفضل لتحليل هذه الصور، طريقة تجمع بين دقة الآلة والفهم العميق لتشريح جسم الإنسان.

لقط فريق من الباحثين نظامًا حاسوبيًا جديدًا مصممًا لقراءة فيديوهات القلب هذه بدقة أكبر من الطرق الحالية. فبدلاً من النظر إلى القلب بأكمله دفعة واحدة أو مجرد التخمين بناءً على لقطة واحدة، يقوم نظامهم بتفكيك المشكلة إلى مهمتين متميزتين تعملان معًا. أولاً، يقوم الكمبيوتر بعزل البطين الأيسر، وهو غرفة الضخ الرئيسية في القلب، عن بقية الصورة. وبمجرد فصل هذه المنطقة المحددة، يقيس النظام شكلها، وملمس عضلاتها، وكيفية حركتها من إطار إلى آخر. إنه يبحث عن عدم الانتظام في سطح العضلة ويتتبع كيفية انتقال نقاط محددة على جدار القلب أثناء نبضة القلب. وفي الوقت نفسه، ينظر جزء ثانٍ من النظام إلى الصورة بأكملها لفهم الصورة الكبيرة، ملاحظًا كيفية تفاعل بنية القلب والأنسجة المحيطة به. ومن خلال الجمع بين هذه القياسات المحلية التفصيلية والسياق الأوسع، يبني النظام ملفًا كاملاً لصحة القلب.

اختبر الباحثون هذا النهج على آلاف تسجيلات فيديو القلب من قاعدتي بيانات طبيتين مختلفتين. في الاختبار الأول، طُلب من النظام تحديد المرضى الذين تعرضوا لنوبة قلبية مقابل أولئك الذين لم يتعرضوا لها. حدد الكمبيوتر الحالة بشكل صحيح في ما يقرب من 95 بالمائة من الحالات، مما أظهر قدرة عالية على رصد المرض دون الإشارة خطأً إلى القلوب السليمة. وعندما تم اختبار النظام في تحدٍ أكثر تعقيدًا يتضمن ثلاث فئات مختلفة — القلوب السليمة، والقلوب التي تعاني من نوع معين من ارتفاع ضغط الدم، والقلوب التي بها ثقب هيكلي بين الحجرات — ظل النظام يعمل بشكل جيد للغاية، حيث صنف الأشخاص الأصحاء بدقة بلغت 95 بالمائة. وتشير النتائج إلى أن هذه الطريقة جيدة بشكل خاص في رصد الضرر الهيكلي الواضح الناتج عن النوبة القلبية، مع الحفاظ في الوقت نفسه على أداء قوي في التمييز بين الأنواع المختلفة من أمراض القلب.

ولتحقيق هذا المستوى من الدقة، يستخدم النظام استراتيجية هجينة تحاكي طريقة تفكير المتخصص. فهو لا يعتمد على نوع واحد من البيانات، بل يجمع معلومات حول هندسة القلب، مثل مدى كروية أو استطالة الحجرة، ويحلل الملمس الحبيبي لأنسجة العضلات، الذي يتغير عند تضررها. كما يحسب سرة واتجاه حركة جدار القلب، بحثًا عن المناطق التي تتحرك ببطء شديد أو في الاتجاه الخاطئ. ثم يستخدم النظام عملية اختيار متطورة لاستخراج أهم الأدلة من هذه الكمية الهائلة من البيانات، مستبعدًا الضجيج والاحتفاظ فقط بالإشارات التي تهم حقًا. وأخيرًا، ينظر في تسلسل الحركات عبر الزمن، مدركًا أن النوبة القلبية تغير كيفية نبض القلب من لحظة إلى أخرى، وليس فقط في صورة ثابتة واحدة.

تؤكد الدراسة أن الجمع بين هذه الطبقات المختلفة من المعلومات يخلق أداة تشخيصية أكثر موثوقية من الطرق السابقة. فعندما أزال الباحثون أي جزء من نظامهم، مثل القدرة على تتبع الحركة أو القدرة على رؤية القلب بأكمله، انخفضت الدقة بشكل ملحوظ. وهذا يثبت أن النظام يحتاج إلى كل من التفاصيل الدقيقة لعضلة القلب والرؤية الشاملة للعضو بأكمله ليعمل بشكل صحيح. ورغم أن النظام ليس جاهزًا بعد للاستخدام في غرفة مستشفى مزدحمة، حيث يتطلب حاليًا قدرة حوسبة ووقتًا كبيرين لمعالجة الفيديوهات، إلا أن النتائج تقدم مسارًا واضحًا للمضي قدمًا. إن البحث يثبت أنه من خلال تعليم الحواسيب النظر إلى القلب بالطريقة التي يفعلها الخبير البشري — بالتركيز على مناطق محددة مع وضع الصورة الكاملة في الاعتبار — يمكننا بناء أدوات تساعد الأطباء على اكتشاف أمراض القلب المهددة للحياة في وقت مبكر وبثقة أكبر.

أبحاث مشابهة