الذكاء الاصطناعي لقراءة أكثر دقة لصور الأشعة.. دراسة بجامعة بني سويف

توصل باحثو جامعة بني سويف يساهمون لدارسة في مجال التشخيص الطبي الدقيق .  في بداية العام 2025، نُشرت دراسة بعنوان:   Ulnar variance detection from radiographic images using deep learning 

الدراسة تناولت مشكلة دقيقة في الطب، وهي اختلاف طول عظم الزند عن عظم الكعبرة في الرسغ، وهو عامل مهم لتشخيص أمراض اليد والرسغ. الطرق التقليدية لقياس هذا الاختلاف تعتمد على القياسات اليدوي، وهي طرق طويلة ومعرضة للأخطاء. الفريق البحثي قدّم حلاً مبتكرًا باستخدام الذكاء الاصطناعي، حيث اعتمد على تقنيات U-Net لتجزئة عظام الزند والكعبرة بدقة ، ثم استخدم  DenseNets  لتصنيف الحالات إلى ثلاثة أنماط رئيسية: زيادة طول الزند، نقص طول الزند، والطول المتعادل. 

ما يميز هذه الدراسة أنها لم تكتف بتطبيق خوارزميات جاهزة، بل قامت بجمع قاعدة بيانات جديدة من صور أشعة اليد تم توثيقها بدقة لتكون مرجعًا علميًا يمكن استخدامه مستقبلًا في تدريب نماذج أخرى. كما عمل الباحثون على تحسين إعدادات النموذج للوصول إلى أفضل أداء ممكن. النتائج كانت لافتة للنظر: دقة 97.7% في تحديد العظام من صور الأشعة، ودقة 92.1% في تصنيف نوع الاختلاف، وهي أرقام تتفوق على نتائج دراسات سابقة وتُظهر أن الذكاء الاصطناعي قادر على تقليل وقت التشخيص بشكل كبير مع زيادة موثوقية النتائج. 

المشاركون في إعداد الدراسة:  – أ.د/ محمد سيد قايد – أستاذ علوم الحاسب بقسم علوم الحاسب وعميد كلية الحاسبات والذكاء الاصطناعي بجامعة بني سويف ،  د/ عبدالرحيم قوره – أستاذ متفرغ بقسم علوم الحاسب بكلية الحاسبات والذكاء الاصطناعي بجامعة بني سويف ، م/ سحر حسن نوح – معيدة بقسم علوم الحاسب بكلية الحاسبات والذكاء الاصطناعي بجامعة بني سويف 

معلومات النشر: 

تم نشر الدراسة في مجلة Journal of Big Data الصادرة عن دار النشر العالمية Springer Nature، ضمن المجلد 12، المقال رقم 26 – 2025. وتُصنّف المجلة ضمن أعلى 2% من المجلات المتخصصة في مجال الحاسبات، ومفهرسة في Clarivate Expanded Index  وScopus، كما أن لها معامل تأثير حديث يبلغ 6.4. 

🔗 رابط الدراسة: 

https://doi.org/10.1186/s40537-025-01072-2

English Brief  

Researchers at Beni-Suef University utilized AI to enhance wrist disorder diagnosis.  Their model segmented wrist bones with 97.7% accuracy and classified variance with 92.1%.  They built a new annotated dataset to train and validate deep learning models.  Published in 2025 in Journal of Big Data (Springer Nature, vol.12, article 26, top 2%, IF 6.4, Scopus, Clarivate).