ملخص: تعتبر كسور اليد، وخاصة كسور السلاميات، غالبًا دقيقة وغير واضحة ومعقدة، مما يسبب تحديات كبيرة لتشخيص دقيق وفعال باستخدام الأشعة التقليدية. لمواجهة قيود الأساليب الحالية للتعلم العميق في التعامل مع التشريح المعقد، وعدم اليقين متعدد المناظر، والتمييز السببي، نقترح إطار عمل جديد متعدد المناظر للاندماج مدرك للسياق لتصنيف الكسور وتحديد مواقعها بدقة. في المرحلة الأولى، تم تطوير شبكة تصنيف متعددة المناظر مدركة للسياق (CAMVC-Net). تم تطوير وحدة المحاذاة الدلالية-المكانية ذات المسارين (DSSA) التي تقوم بمحاذاة التفاصيل المكانية ذات المستوى المنخفض مع الدلالات ذات المستوى العالي، مما يعزز تمييز الكسور الدقيقة. تلتقط وحدة هرم مدرك للسياق (CAP) السياق متعدد المقاييس، بينما توجه خسارة تعلم الانتباه المضاد (CAL) الشبكة للتركيز على المناطق التمييزية. يتم نمذجة عدم اليقين متعدد المناظر باستخدام توزيع ديريشليت، ويتم تحقيق دمج مستوى القرار بواسطة قاعدة ديمبستر لمحاكاة التفكير السريري. في المرحلة الثانية، تم تصميم شبكة تحديد موقع الكسر مدركة للتفاصيل (DFL-Net). للتكيف مع هندسة الكسر غير المنتظمة، يدمج DFL-Net عمليات الالتواء القابلة للتشوه ويضيف DSSA إلى هرم الميزات للحفاظ على التفاصيل المكانية الدقيقة أثناء تقليل العمق. تظهر التجارب على مجموعات بيانات MURA والبيانات السريرية أداءً قويًا: حقق نموذج التصنيف دقة قدرها 92.89٪، ودقة 93.05٪، واسترجاع 96.96٪، ونقاط F1 بلغت 94.97٪. حصلت شبكة التحديد على 73.8٪ AP 50 و43.8٪ AP 75، مع تحسين بنسبة 10.4٪ في AP 75 مقارنة بـ Faster R-CNN. تشير هذه النتائج إلى أن الإطار المقترح يوفر أداة دقيقة وفعالة لتشخيص كسور اليد بواسطة الكمبيوتر، مع إمكانية تقليل تشخيصات خطأ وتحسين كفاءة اتخاذ القرار السريري.
درس هونغ وآخرون (الخميس) هذا السؤال.