التعرف التلقائي المرئي على سرطان الفم باستخدام تقنيات التعلم العميق في صور الأشعة البصرية التداخلية

يعتبر الكشف المبكر والتشخيص لسرطان الفم أمرًا حيويًا لتحسين التوقعات، ولكن التعرف الدقيق والتلقائي صعب باستخدام التقنيات المتاحة. يمكن استخدام الأشعة البصرية التداخلية (OCT) كوسيلة تشخيصية نظرًا لمزاياها مثل الدقة العالية وعدم التداخل. نحن نهدف إلى تقييم الخوارزميات المعتمدة على التعلم العميق لصور OCT لمساعدة الأطباء في فحص وتشخيص سرطان الفم. تم إنشاء مجموعة بيانات OCT تتضمن الغشاء المخاطي الطبيعي، الآفة ما قبل السرطانية، وسرطان الخلايا الحرشفية في الفم. بعد ذلك، تم تدريب وتقييم ثلاثة أنواع من الشبكات العصبية التلافيفية (CNNs) باستخدام أربعة مقاييس (الدقة، والموثوقية، والحساسية، والخصوصية). علاوة على ذلك، تمت مقارنة طرق CNN مع أساليب التعلم الآلي من خلال نفس مجموعة البيانات. تظهر النتائج أن أداء CNNs، مع دقة تصنيف تصل إلى 96.76٪، أفضل من طريقة التعلم الآلي التي بلغت دقتها 92.52٪. علاوة على ذلك، تم إجراء تصور للآفات في صور OCT وتم تقييم منطقية ووضوح النموذج لتمييز الأنسجة الفموية المختلفة. وقد ثبت أن خوارزمية التعرف التلقائي على صور OCT المعتمدة على التعلم العميق لديها القدرة على تقديم دعم اتخاذ القرار للت screening الفعال والتشخيص لسرطان الفم.