الكشف المعزز عن كثافات المادة البيضاء العالية عبر استخدام تقسيم تصوير الرنين المغناطيسي المدعوم بالتعلم العميق

يعد تقسيم الشذوذ في المادة البيضاء أمرًا حيويًا للتشخيص المبكر للأمراض الدماغية، مما يساعد في تقليل العجز الجسدي والمعرفي الناتج. تعتبر طرق التقسيم الآلي أساسية للتحديد الدقيق والمبكر للكثافات العالية في المادة البيضاء (WMH) من صور الرنين المغناطيسي (MR). في هذه الدراسة، تم استخدام مجموعات بيانات تضم حالات السكتة الدماغية الإقفارية و WMH، تم تصويرها باستخدام تسلسل MR FLAIR (استعادة العكس السائل المخفف)، وذلك نظرًا لرؤية الكثافات العالية المحسنة. تم تكييف نموذج Mask R-CNN، وهو هيكل معقد للتعلم العميق، بدقة لتعزيز أدائه. في الوقت نفسه، تم استخدام نموذج U-Net، المعروف بفعاليته في تقسيم صور الطبية. وتم إجراء مقارنة شاملة لأداء النموذجين. تظهر النتائج أن نموذج Mask R-CNN حقق درجات معامل التشابه Dice (DSC) بلغت 0.93 لمجموعة بيانات السكتة و 0.83 لمجموعة بيانات WMH. أما نموذج U-Net فقد أسفر عن درجات DSC قدرها 0.92 و 0.82 لمجموعات البيانات المعنية. تشير هذه النتائج إلى تحسين عن الدراسات السابقة في دقة تقسييم WMH باستخدام نهج Mask R-CNN. يُستنتج أن تقسيم WMH الآلي على صور MR يُعد أداة قوية لدعم القرار للأطباء أثناء التقييمات الأولية، على الرغم من أنه يجب ملاحظة أن الكشف النهائي عن الأمراض يتطلب تأكيد النتائج السريرية.