15394

بررسي روشهاي نوين در تشخيص و درجه بندي رتينوپاتي ديابتي با تمركز بر تصاوير شبكيه

1403

دكتر ناصر مزيني

رتينوپاتي ديابتي، به عنوان يكي از عوارض جدي بيماري ديابت، اصلي ترين عامل نابينايي قابل پيشگيري در جمعيت بزرگسالان به شمار مي رود. فرآيند غربالگري سنتي اين بيماري كه متكي بر تحليل دستي تصاوير شبكيه است، با چالش هايي نظير زمان بر بودن، هزينه بالا و نياز به متخصص مواجه است. در پاسخ به اين چالش ها، هوش مصنوعي و به ويژه مدل هاي يادگيري عميق، به عنوان يك رويكرد تحول آفرين براي تشخيص خودكار اين بيماري ظهور كرده اند. با اين حال، دستيابي به يك سيستم قابل اعتماد و قابل پذيرش در محيط باليني، فراتر از كسب دقت بالا بوده و نيازمند رويكردي جامع است. اين گزارش، يك مرور تحليلي و جامع بر آخرين پيشرفت ها در زمينه تشخيص خودكار رتينوپاتي ديابتي با استفاده از هوش مصنوعي ارائه مي دهد. در اين راستا، چهار حوزه كليدي و تعيين كننده كه چشم انداز تحقيقات معاصر را شكل مي دهند، مورد بررسي قرار گرفته اند: (1) استراتژي هاي پيشرفته مديريت داده، شامل تكنيك هاي ارتقاء كيفيت تصوير (مانند يكسان سازي هيستوگرام تطبيقي با كنتراست محدود) و راهكارهاي مقابله با نامتوازني كلاس ها (مانند SMOTE و و شبكه هاي مولد تخاصمي)؛ (2) تكامل معماري هاي يادگيري عميق، از شبكه هاي عصبي پيچشي بهينه سازي شده تا معماري هاي نوظهور مانند مبدل هاي بينايي؛ (3) ظهور مدل هاي تركيبي كه با ادغام رويكرد هاي مختلف (مانند تركيب شبكه عصبي پيچشي و مبدل بينايي) به دنبال استخراج همزمان ويژگي هاي محلي و سراسري هستند؛ و (4) اهميت حياتي هوش مصنوعي توضيح پذير براي غلبه بر چالش «جعبه سياه» و افزايش شفافيت و اعتماد باليني با استفاده از روش هايي مانند CAM-Grad و LTME. يافته هاي اين مرور نشان مي دهد كه آينده سيستم هاي تشخيص خودكار رتينوپاتي ديابتي در هم افزايي هوشمندانه اين چهار حوزه نهفته است. موفق ترين رويكردها، آن هايي هستند كه استراتژي هاي دقيق پيش پردازش داده را با معماري هاي تركيبي پيشرفته تركيب كرده و همزمان، با ارائه توضيحات قابل فهم از طريق تكنيك هاي هوش مصنوعي توضيح پذير، پلي ميان قابليت هاي محاسباتي و نيازهاي عملي جامعه پزشكي ايجاد مي كنند. اين رويكرد يكپارچه، مسير حركت از مدل هاي طبقه بندي كننده صرف به سمت ابزارهاي كمك تشخيصي جامع، شفاف و قابل اعتماد را هموار مي سازد.

11/5/2025 12:00:00 AM

88508

1404/09/01