التهاب مفصل الركبة التنكسي (OA) هو حالة تنكسية شائعة تؤثر على جودة الحياة والحركة، خاصة لدى كبار السن. لضمان إدارة المرض والتخطيط للعلاج بنجاح، يعد التشخيص المبكر والدقيق أمرًا أساسيًا. تهدف هذه الدراسة إلى تصنيف شدة التهاب المفصل التنكسي (OA) من صور الأشعة السينية للركبة، وتقترح إطار تعلم عميق هجين جديد يسمى Swin-O-NETS. يجمع هذا الإطار بين شبكة التعلم السريع المتطرفة (FELN) ومحول Swin المعدل مع الانتباه الذاتي متعدد الرؤوس للقنوات لاستخلاص الميزات. تم تقييم النموذج باستخدام 2047 صورة أشعة من خمس فئات شدة حسب تصنيف Kellgren-Lawrence (KL) مأخوذة من مجموعة بيانات مبادرة التهاب المفاصل التنكسي (OAI) على منصة Kaggle. تفوق نموذجنا على نماذج CNN التقليدية وResNet وDenseNet وأساليب التجميع، محققًا أداءً رائدًا بدقة 99.4٪، ودقة إيجابية 99.0٪، واستدعاء 98.9٪، وتخصص 98.3٪، ودرجة F1 98.8٪ على التوالي. توضح هذه النتائج أن النهج المقترح، الذي يتميز بمتانة أكبر وتعقيد حسابي أقل، يمكنه المساعدة بشكل مستمر في تصنيف التهاب المفصل التنكسي في مراحله المبكرة. ستركز الأبحاث المستقبلية على دمج بيانات التصوير متعددة الوسائط، وإنتاج نسخ خفيفة للاستخدام في أنظمة الرعاية الصحية الزمن الحقيقي، واختبار النموذج على مجموعات بيانات سريرية متعددة المراكز ذات حجم أكبر.
درست سوذا وآخرون (الإثنين) هذا السؤال.