الفصل السابع: المناقشة

الصفحة 158

الفصل السابع :المناقشة -1-7المعلومات الديموغرافية

-2-7خرائط الطبوغرافيا

-3-7نظام الذكاء الصنعي ومقارنته بالدراسات المشابهة

-4-7المقارنة مع النماذج األخرى

-5-7الخرائط التمييزية والحرارية

-6-7دراسة بعض الحاالت

-7-7نقاط القوة والضعف في دراستنا

158

الصفحة 159

-1-7المعلومات الديموغرافية:

-1-1-7نسبة االنتشار:

يبدو بشكل واضح نسبة االنتشار العالي للقرنية المخروطية ( )30.4%والقرنية المشتبه بها )(7.8% ضمن مرضى مجموعة التدريب وهذا يعود لكون العينة المجموعة من سجالت مشفى جامعي مرجعي كما أن صور الطبوغرافيا تجرى عادة لمرضى مشكوك بهم خالل الفحص الروتيني أو لمراقبة حالة مشخصة سابقاً ويضاف إلى ذلك تحيز الباحث ألن المطلوب في هذه العينة جمع أكبر قدر من الصور من الفئات الثالثة وذلك لتدريب نظام الذكاء الصنعي .بينما االنتشار أقل بشكل واضح في مجموعة االختبار للقرنية المخروطية ( )%4.27والمشتبه بها ( )%13.74وذلك يعود لكون هذه العينة مأخوذة بطريقة عشوائية دون تحيز من مرضى مراجعين بمختلف الشكايات للعيادات العينية وهي تعبر بشكل أكبر عن الواقع رغم كونها أعلى من القيم المذكورة عالميا ( )%2.3-%0.0003كون العينة مأخوذة من مشفى جامعي مرجعي(Nikhil S Gokhale, 2013).

-2-1-7توزع متغير العمر حسب التشخيص:

نالحظ أنه في مجموعة التدريب متوسط عمر للقرنيات المشتبه بها ( )40.32أعلى بشكل هام إحصائياً من القرنيات الطبيعية ( )31.03والمخروطية ( )30.97وهذا قد يفسر بأن بعض التغيرات المتعلقة بالعمر تم تفسيرها على أنها عالمات اشتباه .وهذا لم يكن موجود في مجموعة االختبار حيث لم يكن هناك فرق هام إحصائياً بين متوسط عمر المجموعات الثالثة (مخروطية ،25.92طبيعية ،27.02 مشتبه بها.)32.11

-3-1-7توزع متغير الجنس حسب التشخيص:

اء في كل من ال يوجد اختالف هام إحصائياً في توزع الذكور واالناث ضمن المجموعات الثالث سو ً مجموعة التدريب أو االختبار ،بينما في الدراسات العالمية هذه نقطه خالفية فبعض الدراسات لم تجد أي فرق في انتشار القرنية المخروطية بين الذكور واالناث بينما البعض االخر وجد أن هناك فرق لصالح الذكور او االناث بحسب الدراسة (.)Nikhil S Gokhale, 2013

159

الصفحة 160

-2-7خرائط الطبوغرافيا:

لمناقشة قيم مشعرات الدقة لخرائط الطبوغرافيا ،قمنا بتلخيص تلك القيم عبر ترتيبها في ثالث جداول حسب الفئات (مخروطية ،طبيعية ،مشتبه بها) .يحوي كل جدول الخرائط التي حققت أعلى القيم لكل مشعر في كل مجموعة (تدريب ،تحقق ،اختبار) ،ثم تم إجراء تقاطع للخرائط المشتركة بين المجموعات الثالث وتم االعتماد على الخرائط األعلى دقة في مجموعة التدريب ( .)%95ثم تم تقسيم الشبكات العصبونية ضمن ثالث فئات(جدول :)54،55،56

•شبكات ذات قدرة عالية على تأكيد التشخيص :تتميز بنوعية عالية وقيمة تنبؤية من اإليجابية عالية وإيجابية االختبار هنا تؤكد التشخيص بينما سلبيته ال تنفي بسبب وجود سلبيات كاذبة. •شبكات ذات قدرة عالية على نفي التشخيص :تتميز بحساسية عالية وقيمة تنبؤية من السلبية عالية وسلبية االختبار هنا تنفي التشخيص بينما إيجابيته ال تؤكد التشخيص بسبب وجود ايجابية كاذبة. •المقارنة بين الشبكات في تشخيص الحاالت االيجابية :تتميز بقيمة عالية ،F1-scoreولم يتم االعتماد هنا على الدقة Accuracyالن المجموعات غير متوازنة.

-1-2-7مناقشة قيم مشعرات الدقة للشبكات العصبونية الخاصة بالخرائط في قدرتها على التمييز

بين القرنيات المخروطية الصريحة من جهة والقرنيات الطبيعية والمشتبه بها من جهة أخرى: •شبكات لها قدرة عالية على تأكيد التشخيص:

شبكة التحدبات المماسية األمامية تحقق ذلك .ويشير ذلك إلى أن التغيرات الحاصلة شديدة لدرجة أنها لم تعد تقتصر على الوجه الخلفي وانما امتدت للوجه االمامي وهذه التغيرات الموضعه تعتبر الخرائط المماسية األقدر على تمييزها(Mazen M Sinjab, 2018a).

•شبكات لها قدرة عالية على نفي التشخيص:

تشمل شبكة االرتفاعات األمامية والخلفية والتحدبات السهمية األمامية .وهذا يتوافق إلى حد كبير مع التعريف الذي اعتمدناه في تشخيص القرنية المخروطية طبوغرافيا ،فعدم وجود خارطة ارتفاعات خلفية او تحدبات سهمية أمامية تتوافق مع قرنية مخروطية تنفي تشخيص القرنية المخروطية(Mazen M . )Sinjab, 2018d

160

الصفحة 161

: المقارنة بين الشبكات في تشخيص الحاالت االيجابية•

حققت شبكة التحدبات المماسية األمامية أعلى قيمة تلتها التحدبات المماسية الخلفية ثم شبكات القوة .االنكسارية الخلفية واألمامية والمكافئة على الترتيب

ملخص مشعرات الدقة الخاصة بالشبكات العصبونية للكشف عن حاالت القرنية المخروطية54جدول

SEN SPE PPV NPV F1-score ACC [('TEPE', 0.969), [('TA', 0.998), [('TEPE', 0.999), [('TP', 0.964), [('TP', 0.979), ('SP', 0.951), ('TP', 0.992), [('TA', 0.955), ('TP', 0.998), ('SP', 0.954), ('SP', 0.974), ('TP', 0.949), ('RPP', 0.992), ('TP', 0.839), ('SP', 0.998), ('RAP', 0.949), ('RAP', 0.971), ('SA', 0.942), ('REF', 0.985), ('RPP', 0.834), ('TEAE', 0.997), ('RPP', 0.947), ('RPP', 0.97),

Training ('RAP', 0.937), ('RAP', 0.985), ('RAP', 0.731), ('SA', 0.997), ('SA', 0.939), ('REF', 0.966), ('TEAE', 0.935), ('SP', 0.983), ('REF', 0.727), ('RAP', 0.997), ('REF', 0.939), ('SA', 0.965), ('REF', 0.919), ('SA', 0.974), ('SP', 0.712), ('RPP', 0.996), ('TEAE', 0.932), ('TEAE', 0.961), ('RPP', 0.917), ('TEAE', 0.971), ('SA', 0.616), ('REF', 0.996), ('TEPE', 0.924), ('TA', 0.956), ('TA', 0.852), ('TEPE', 0.949), ('TEAE', 0.59)] ('THK', 0.993), ('TA', 0.918), ('TEPE', 0.954), ('THK', 0.843)] ('THK', 0.939)] ('TA', 0.993)] ('THK', 0.845)] ('THK', 0.911)] [('TEAE', 0.982), [('RPP', 0.978), [('TEAE', 0.999), [('RPP', 0.96), [('RPP', 0.977), ('SA', 0.982), ('TA', 0.975), ('TEPE', 0.999), ('TEAE', 0.952), ('TEAE', 0.972), [('RPP', 0.666), ('TEPE', 0.973), ('TP', 0.971), ('RPP', 0.999), ('SP', 0.952), ('SP', 0.972), ('TA', 0.608), ('RPP', 0.973), ('SP', 0.971), ('SA', 0.999), ('SA', 0.944), ('SA', 0.966),

Validating ('SP', 0.599), ('SP', 0.973), ('TEAE', 0.967), ('SP', 0.999), ('REF', 0.939), ('REF', 0.964), ('TP', 0.59), ('REF', 0.964), ('REF', 0.964), ('REF', 0.998), ('TP', 0.933), ('TP', 0.961), ('TEAE', 0.573), ('RAP', 0.946), ('SA', 0.96), ('TP', 0.997), ('TEPE', 0.927), ('TEPE', 0.956), KC ('REF', 0.542), ('TP', 0.937), ('TEPE', 0.949), ('RAP', 0.997), ('RAP', 0.913), ('TA', 0.948), ('SA', 0.523)] ('TA', 0.883), ('RAP', 0.949), ('TA', 0.995), ('TA', 0.907), ('RAP', 0.948), ('THK', 0.793)] ('THK', 0.931)] ('THK', 0.99)] ('THK', 0.807)] ('THK', 0.891)] [('TEPE', 1.0), [('TA', 0.998), [('TEPE', 1.0), [('TA', 0.995), ('SA', 1.0), ('TP', 0.995), [('TA', 0.944), ('SA', 1.0), [('TA', 0.923), ('TP', 0.993), ('TEAE', 1.0), ('RPP', 0.993), ('TP', 0.894), ('TEAE', 1.0), ('TP', 0.889), ('RPP', 0.991), ('TP', 0.923), ('RAP', 0.993), ('RPP', 0.848), ('TP', 0.997), ('RPP', 0.857), ('RAP', 0.988),

Testing ('RPP', 0.923), ('REF', 0.985), ('RAP', 0.837), ('RPP', 0.997), ('RAP', 0.815), ('REF', 0.983), ('TA', 0.923), ('SP', 0.976), ('REF', 0.737), ('TA', 0.997), ('REF', 0.774), ('SP', 0.974), ('REF', 0.923), ('TEAE', 0.961), ('SP', 0.627), ('REF', 0.997), ('SP', 0.686), ('TEAE', 0.962), ('SP', 0.923), ('TEPE', 0.961), ('TEAE', 0.532), ('SP', 0.997), ('TEAE', 0.619), ('TEPE', 0.962), ('RAP', 0.846), ('THK', 0.941), ('TEPE', 0.532)] ('RAP', 0.993), ('TEPE', 0.619)] ('THK', 0.936), ('THK', 0.769)] ('SA', 0.91)] ('THK', 0.989)] ('SA', 0.912)] {'SP', 'REF', 'TA', {'SP', 'REF', {'SP', 'REF', 'TA', {'SP', 'REF',

Intersection {'SP', 'REF', 'TP', 'TEPE', 'TA', 'TP', {'SP', 'TA', 'TP', 'TP', 'TEPE', 'TA', 'TP', 'TA', 'TP', 'RAP', 'SA', 'TEPE', 'RAP', 'REF', 'TEAE', 'RAP', 'SA', 'TEPE', 'RAP', 'TEPE', 'RAP', 'TEAE', 'THK', 'SA', 'TEAE', 'RPP'} 'TEAE', 'THK', 'SA', 'TEAE', 'TEAE', 'RPP'} 'RPP'} 'THK', 'RPP'} 'RPP'} 'THK', 'RPP'}

161

الصفحة 162

-2-2-7مناقشة قيم مشعرات الدقة للشبكات العصبونية الخاصة بالخرائط في قدرتها على التمييز

بين القرنيات الطبيعية من جهة والقرنيات المخروطية والمشتبه بها من جهة أخرى: تعتبر هذه الحالة هي األهم ألن الهدف األساسي من أي مشعر أو اختبار تمييز الحاالت الطبيعية عن الحاالت المشتبه بها والمرضية .وللتذكرة فان خريطة ما حساسة لتشخيص قرنية طبيعية هي حكما نوعية لتشخيص قرنية مخروطية أو مشتبه بها .وينطبق هذا على القيم التنبؤية أيضا.

•شبكات ذات قدرة عالية على تأكيد التشخيص:

ال يوجد أي شبكة تحقق هذا .فجميع الشبكات نوعيتها منخفضه والقيمة التنبؤية من اإليجابية منخفضة وبالتالي فحساسيتها والقيمة التنبؤية من السلبية في كشف القرنية المخروطية أو المشتبه بها منخفضه وال تستطيع إي شبكة منفردة كشف جميع الحاالت.

•شبكات ذات قدره عالية على نفي التشخيص:

تشمل شبكة القوة االنكسارية األمامية والخلفية وشبكة التحدبات المماسية األمامية والخلفية وبالتالي فهذه الشبكات قادرة على نفي تشخيص قرنية طبيعية وتأكيد تشخيص قرنية مخروطية أو مشتبه بها.

•المقارنة بين الشبكات في تشخيص الحاالت االيجابية:

حققت شبكة االرتفاعات األمامية أعلى قيمة تلتها التحدبات السهمية الخلفية ثم االرتفاعات الخلفية ثم شبكا ت القوة االنكسارية المكافئة واألمامية والخلفية على الترتيب ثم التحدبات المماسية الخلفيه تلتها األمامية وكانت قيمها بشكل عام متقاربة.

162

الصفحة 163

ملخص مشعرات الدقة الخاصة بالشبكات العصبونية للكشف عن حاالت القرنية الطبيعية55جدول

SEN SPE PPV NPV F1-score ACC [('RPP', 0.999), [('TEPE', 0.862), [('TEPE', 0.97), [('RPP', 0.994), [('TEPE', 0.952), [('TEPE', 0.938), ('TA', 0.999), ('RAP', 0.807), ('RAP', 0.959), ('TA', 0.993), ('RAP', 0.94), ('RAP', 0.921), ('TP', 0.996), ('TEAE', 0.781), ('TEAE', 0.953), ('TP', 0.976), ('TEAE', 0.93), ('TEAE', 0.907), ('SP', 0.995), ('TP', 0.757), ('TP', 0.949), ('SP', 0.97), ('TP', 0.93), ('SP', ('TP', 0.907), ('SP',

Training ('RAP', 0.989), ('SP', 0.756), ('SP', 0.949), ('RAP', 0.94), 0.929), ('RPP', 0.905), ('SA', ('REF', 0.985), ('SA', 0.75), ('SA', 0.947), ('TEPE', 0.916), 0.922), ('SA', 0.896), ('RPP', ('SA', 0.984), ('THK', 0.744), ('REF', 0.945), ('REF', 0.913), 0.922), ('REF', 0.895), ('REF', ('TEAE', 0.983), ('REF', 0.738), ('THK', 0.944), ('SA', 0.909), 0.92), ('TA', 0.893), ('TA', ('TEPE', 0.983), ('RPP', 0.719), ('RPP', 0.942), ('TEAE', 0.908), 0.908), ('THK', 0.873), ('THK', ('THK', 0.945)] ('TA', 0.661)] ('TA', 0.931)] ('THK', 0.747)] 0.901)] 0.869)] [('RPP', 1.0), [('TEPE', 0.882), [('TEPE', 0.974), [('RPP', 1.0), [('TEPE', 0.956), [('TEPE', 0.943), ('SP', 1.0), ('TP', ('TEAE', 0.833), ('TEAE', 0.964), ('SP', 1.0), ('TP', ('TEAE', 0.949), ('TEAE', 0.933), 0.996), ('TEAE', ('RAP', 0.833), ('SA', 0.962), 0.977), ('TEAE', ('SP', 0.946), ('TP', 0.928), ('SA', 0.992), ('SA', ('SA', 0.819), ('RAP', 0.962), 0.957), ('SA', ('TP', 0.945), 0.928), ('SP',

Validating 0.992), ('TA', ('TP', 0.812), ('TP', 0.96), 0.956), ('REF', ('SA', 0.945), 0.928), ('REF', 0.992), ('REF', ('REF', 0.812), ('REF', 0.96), 0.956), ('TA', ('REF', 0.943), 0.925), ('RPP',

Normal 0.992), ('TEPE', ('SP', 0.806), ('SP', 0.959), 0.951), ('TEPE', ('RPP', 0.942), 0.922), ('TA', 0.979), ('THK', ('RPP', 0.792), ('RPP', 0.956), 0.904), ('THK', ('TA', 0.92), 0.891), ('RAP', 0.967), ('RAP', ('THK', 0.743), ('THK', 0.945), 0.832), ('RAP', ('THK', 0.913), 0.886), ('THK', 0.918)] ('TA', 0.722)] ('TA', 0.942)] 0.69)] ('RAP', 0.91)] 0.884)] [('RAP', 1.0), [('TEPE', 0.905), [('RAP', 1.0), [('TEAE', 0.955), [('TEAE', 0.919), ('TP', 1.0), ('TEAE', 0.9), ('TP', 1.0), ('SP', 0.95), ('TEPE', 0.91), ('RPP', 1.0), ('SA', 0.888), ('RPP', 1.0), ('TEPE', 0.949), ('SP', 0.91), ('REF', ('TA', 1.0), ('SP', ('THK', 0.882), ('TA', 1.0), ('SP', ('REF', 0.948), 0.905), ('RAP', Testing 0.995), ('REF', ('SP', 0.876), 0.935), ('REF', ('RAP', 0.948), [('TEPE', 0.536)] 0.905), ('RPP', 0.992), ('TEAE', ('REF', 0.872), 0.901), ('TEAE', ('RPP', 0.947), 0.903), ('TP', 0.9), 0.984), ('TEPE', ('RAP', 0.864), 0.87), ('TEPE', ('TP', 0.946), ('TA', 0.898), 0.967), ('THK', ('RPP', 0.861), 0.782), ('THK', ('TA', 0.945), ('THK', 0.891), 0.964), ('SA', ('TP', 0.859), 0.718), ('SA', ('THK', 0.939), ('SA', 0.872)] 0.934)] ('TA', 0.856)] 0.609)] ('SA', 0.927)] {'SP', 'REF', {'SP', 'REF', 'TA', {'SP', 'REF', {'SP', 'REF', 'TA',

Intersection {'SP', 'REF', 'TA', 'TA', 'TP', 'TP', 'TEPE', 'TA', 'TP', 'TP', 'TEPE', 'TP', 'TEPE', 'RAP', 'TEPE', 'RAP', {'TEPE'} 'RAP', 'SA', 'TEPE', 'RAP', 'RAP', 'SA', 'SA', 'TEAE', 'THK', 'SA', 'TEAE', 'TEAE', 'THK', 'SA', 'TEAE', 'TEAE', 'THK', 'RPP'} 'THK', 'RPP'} 'RPP'} 'THK', 'RPP'} 'RPP'}

مناقشة قيم مشعرات الدقة للشبكات العصبونية الخاصة بالخرائط في قدرتها على التمييز-3-2-7 :بين القرنيات المشتبه بها من جهة والقرنيات المخروطية الطبيعية من جهة أخرى : شبكات ذات قدرة عالية على التشخيص•

.ال يوجد شبكة تحقق ذلك

: شبكات ذات قدرة عالية على نفي التشخيص•

.ال يوجد شبكة تحقق ذلك

163

الصفحة 164

•المقارنة بين الشبكات في تشخيص الحاالت االيجابية:

ال يمكن المقارنة.

مما سبق نستنتج أنه لم تتمكن أي شبكة مفردة من التمييز بين القرنيات المشتبه بها من جهه والقرنيات الطبيعية والمخروطية من جهة أخرى ،حيث لم تستطع أي شبكة استخراج أنماط مميزة للقرنيات المشتبه بها .وبالتالي نستطيع أن نستنتج بان القرنيات المشتبه بها ماهي إال طيف بين القرنيات الطبيعية والقرنيات المخروطية وبالتالي كل شبكة ستميز هذه القرنيات إما كقرنية طبيعية أو كقرنية مخروطية بحسب مكان هذه القرنية في الطيف.

جدول 56ملخص مشعرات الدقة الخاصة بالشبكات العصبونية للكشف عن حاالت القرنية المشتبه بها SEN SPE PPV NPV F1-score ACC [('SA', 1.0), [('RAP', 0.888), [('RAP', 0.923), ('RPP', 1.0), ('TEPE', 0.872), ('SA', 0.915), ('SP', 1.0), ('TA', ('TEAE', 0.87), ('RPP', 0.914), 0.999), ('TP', [('SA', 1.0), ('RAP', ('REF', 0.866), ('SP', 0.914),

Training 0.994), ('TEAE', 0.766), ('TEAE', ('TP', 0.865), ('TA', 0.913), 0.992), ('REF', 0.559), ('TEPE', ('SA', 0.864), ('TEAE', 0.912), 0.992), ('TEPE', ])0.559 ('RPP', 0.863), ('TEPE', 0.911), 0.989), ('RAP', ('THK', 0.863), ('TP', 0.911), 0.989), ('THK', ('SP', 0.863), ('REF', 0.91), ])0.974 ])('TA', 0.862 ])('THK', 0.893 [('SA', 1.0), [('TEPE', 0.875), [('TEAE', 0.92), ('RPP', 1.0), ('TEAE', 0.873), ('RPP', 0.915), ('SP', 1.0), ('RAP', 0.872), ('SA', 0.915), ('TEAE', 0.997), ('REF', 0.866), ('REF', 0.915),

Validating [('TEAE', 0.837), ('TA', 0.997), ('TP', 0.865), ('SP', 0.915), ('REF', 0.631), ('REF', 0.997), ('THK', 0.864), ('TA', 0.912), ])('TEPE', 0.533 Normal ('TP', 0.986), ('RPP', 0.863), ('TEPE', 0.91), ('TEPE', 0.983), ('SA', 0.863), ('TP', 0.904), ('THK', 0.98), ('SP', 0.863), ('THK', 0.899), ])('RAP', 0.952 ])('TA', 0.862 ])('RAP', 0.881 [('TEAE', 0.873), [('TEAE', 0.905), [('TP', 1.0), ('SA', ('TEPE', 0.868), ('TP', 0.898), 1.0), ('RPP', 1.0), ('RAP', 0.865), ('RPP', 0.898), ('TA', 1.0), ('SP', ('REF', 0.864), ('SA', 0.898), 1.0), ('TEAE', Testing [('TEAE', 0.849), ('TP', 0.863), ('TA', 0.898), 0.997), ('RAP', ])('RAP', 0.584 ('RPP', 0.863), ('RAP', 0.898), 0.997), ('THK', ('SA', 0.863), ('SP', 0.898), 0.995), ('REF', ('TA', 0.863), ('THK', 0.893), 0.992), ('TEPE', ('SP', 0.863), ('REF', 0.893), ])0.974 ])('THK', 0.862 ])('TEPE', 0.882 {'SP', 'REF', {'SP', 'REF', 'TA', {'SP', 'REF', 'TA',

Intersection 'TA', 'TP', 'TP', 'TEPE', 'TP', 'TEPE', 'TEPE', 'RAP', }'{'TEAE 'RAP', 'SA', 'RAP', 'SA', 'SA', 'TEAE', 'TEAE', 'THK', 'TEAE', 'THK', }''THK', 'RPP }''RPP }''RPP

164

الصفحة 165

-3-7نظام الذكاء الصنعي ومقارنته بالدراسات المشابهة:

حقق نظام الذكاء الصنعي دقة وقيم Weighted F-scoreإجمالية على مجموعة التدريب ) )%94.3-%94.5والتحقق) )%93.9-%94.1واالختبار) )%91.2-%92.2جدول (.)57 وهي دقة عالية وتتوافق مع الدراسات العالمية التي ذكرناها سابقاً ،وإن كانت قيم دراستنا أقل نسبياً من بقية الدراسات إال أن اختالف تصميم الدراسة وطبيعة العينة المجموعة يفسر ذلك .وكانت أدق تلك الشبكات بحسب Weighted F-scoreعلى مجموعة االختبار هي شبكة خريطة االرتفاعات األمامية ثم الخلفية ثم القوة االنكسارية األمامية ثم المكافئة وهذا يوافق الدراسات السابقة جزئيا ،ففي دراسة ( )Kuo et al., 2020حققت شبكة خريطة االرتفاعات الخلفية أفضل نتيجة تلتها خريطة التحدبات الخلفية ثم االرتفاعات االمامية ثم الثخانة .بينما في دراسة ( Abdelmotaal et al., )2020حققت شبكة خريطة االرتفاعات الخلفية أفضل نتيجة تلتها خريطة التحدبات السهمية األمامية ثم االرتفاعات األمامية وأخيرا الثخانة .جدول ()5

جدول 57ملخص نتائج الشبكات العصبونية ونظام الذكاء الصنعي

Accuracy Weighted F1-score Map Train Validation Test Train Validation Test Total 0.945 0.941 0.922 0.943 0.939 0.912 RAP 0.907 0.858 0.896 0.890 0.846 0.852 RPP 0.889 0.907 0.896 nan nan nan TA 0.871 0.876 0.896 nan nan nan TP 0.898 0.897 0.896 0.863 0.865 nan TEAE 0.890 0.912 0.893 0.860 0.883 0.864 REF 0.884 0.902 0.891 0.852 0.866 0.850 SP 0.896 0.907 0.891 nan nan nan TEPE 0.902 0.904 0.877 0.875 0.882 0.853 THK 0.837 0.837 0.860 0.811 0.809 nan SA 0.888 0.904 0.841 0.850 nan nan

165

الصفحة 166

-4-7المقارنة مع النماذج األخرى:

•حقق كل من نظام الذكاء الصنعي وجهاز SIRIUSوالطبيب دون مساعدة نتائج متقاربة مع أفضلية بسيطة للطبيب يليه نظام الذكاء الصنعي .ولم يوجد أي فرق هام إحصائياً عند المقارنة فيما بينها. •حقق الطبيب مع مساعدة جهاز SIRIUSنتائج أفضل من نظام الذكاء الصنعي وجهاز SIRIUSوالطبيب دون مساعدة كل على حدا .وكان الفرق هام إحصائياً بينه وبين جهاز SIRIUSوالطبيب دون مساعدة بينما لم يكن الفرق هام إحصائياً عند المقارنة مع نتائج نظام الذكاء الصنعي. •حقق الطبيب بمساعدة نظام الذكاء الصنعي أفضل نتيجة مقارنة بكل النماذج األخرى وكان الفرق هام إحصائياً بينه وبين جميع النماذج األخرى بما فيها الطبيب مع مساعدة جهاز ( SIRIUSجدول 53و.)58

جدول 58ملخص نتائج جميع النماذج

Accuracy Weighted F1-score DR&AI 0.962 0.959 DR&CSO 0.945 0.941 DR 0.929 0.924 AI 0.922 0.912 CSO 0.919 0.911

166

الصفحة 167

-5-7الخرائط التمييزية والحرارية Discriminative and Heat maps:

كما ذكرنا سابقاً أنه مما يؤخذ على الشبكات العصبونية عدم معرفة ما يحصل بدقة في عملية اتخاذ القرار فالشبكة تتعلم من األمثلة ومن الصعوبة بمكان معرفة األنماط التي تم تعلمها .تساعدنا الخرائط التمييزية والحرارية في معرفة ما يحدث ضمن النموذج وماهي األنماط التي تم استخدامها في عملية اتخاذ القرار .فيما يلي أمثلة عن الخرائط الحرارية لكل شبكة عصبونية تم تدريبها على صور لقرنيات طبيعية ومخروطية ،حيث تم وضع الخريطة الحرارية في الجهة اليمنى وتراكبها مع صورة خريطة الطبوغرافيا بالجهة اليسرى فتظهر على الصورة األنماط التي تم استخدامها من قبل الشبكة العصبونية التخاذ القرار:

-1-5-7خريطة التحدبات السهمية األمامية:

يبدو بشكل واضح قدرة الشبكة العصبونية على تمييز شكل ربطة العنق المتناظرة في القرنية الطبيعية، والتحدبات السفلية في القرنية المخروطية( .شكل )95

قرنية طبيعية

قرنية مخروطية

-2-5-7خريطة التحدبات السهمية الخلفية:

يبدو بشكل واضح قدرة الشبكة العصبونية على تمييز شكل ربطة العنق المتناظرة في القرنية الطبيعية، والشكل غير المنتظم في القرنية المخروطية( .شكل )96

167

الصفحة 168

قرنية طبيعية

قرنية مخروطية

-3-5-7خريطة التحدبات المماسية األمامية:

يبدو بشكل واضح قدرة الشبكة العصبونية على تمييز شكل ربطة العنق المتناظرة في القرنية الطبيعية، وشكل ربطة عنق مع تحدب سفلي في القرنية المخروطية( .شكل )97

قرنية طبيعية

قرنية مخروطية

-4-5-7خريطة التحدبات المماسية الخلفية:

يبدو بشكل واضح قدرة الشبكة العصبونية على تمييز الشكل المتناظر في القرنية الطبيعية ،والتحدبات مع تزوي في القرنية المخروطية( .شكل )98

168

الصفحة 169

قرنية طبيعية

قرنية مخروطية

-5-5-7خريطة االرتفاعات األمامية:

يبدو بشكل واضح قدرة الشبكة العصبونية على تمييز االرتفاعات وتقدير أهميتها ففي القرنية الطبيعية تجاهلت الشبكة العصبونية االرتفاع ولم تفسره على انه عائد لقرنية مخروطية ،أما في القرنية المخروطية استطاعت الشبكة تمييز االرتفاع كما أنها ميزت االنخفاض المقابل وكأنها ميزت زوغان الفاصلة( .شكل )99

قرنية طبيعية

قرنية مخروطية

169

الصفحة 170

-6-5-7خريطة االرتفاعات الخلفية

نالحظ كيف أن الشبكة العصبونية ميزت االرتفاعات وشكل اللسان في صورة القرنية المخروطية( .شكل )100

قرنية طبيعية

قرنية مخروطية

-7-5-7خريطة الثخانة:

نالحظ قدرة الشبكة العصبونية على تمييز منطقة الترقق واالنزياح السفلي ألرق نقطة في صورة القرنية المخروطية( .شكل )101

قرنية طبيعية

قرنية مخروطية

170

الصفحة 171

-8-5-7خريطة القوة االنكسارية المكافئة:

يبدو بشكل واضح تمييز الشبكة العصبونية للشكل المتناظر في صورة القرنية الطبيعية بينما يظهر بشكل واضح الشكل غير المتناظر في صورة القرنية المخروطية .ونالحظ أن الشبكة هنا ركزت على المناطق األقل تحدبا( .شكل )102

قرنية طبيعية

قرنية مخروطية

-9-5-7خريطة القوة االنكسارية األمامية:

يبدو بشكل واضح تمييز الشبكة العصبونية للشكل المتناظر في صورة القرنية الطبيعية بينما يظهر بشكل واضح الشكل غير المتناظر في صورة القرنية المخروطية .ونالحظ أن الشبكة هنا ركزت على المناطق األقل تحدبا( .شكل )103

قرنية طبيعية

قرنية مخروطية

171

الصفحة 172

-10-5-7خريطة القوة االنكسارية الخلفية:

يبدو بشكل واضح تمييز الشبكة العصبونية للشكل المتناظر في صورة القرنية الطبيعية بينما يظهر بشكل واضح التحدب السفلي في صورة القرنية المخروطية .ونالحظ أن الشبكة هنا ركزت على المناطق األكثر تحدباً( .شكل )104

قرنية طبيعية

قرنية مخروطية

172

الصفحة 173

-6-7دراسة بعض الحاالت:

سيتم هنا مناقشة بعض الحاالت والمقارنة بين نتائج النماذج المختلفة .وستتم االستعانة بشكل مرفق يحوي على صور الخرائط مضافاً لها مخطط يظهر احتمالية كل صنف بحسب الشبكة العصبونية الموافقة وفي النهاية يظهر النتيجة النهائية لنظام الذكاء الصنعي مقارنة بالبرنامج الملحق بجهاز .SIRIUS

-1-6-7الحالة األولى:

حالة قرنية مخروطية استطاع كل من نظام الذكاء الصنعي والطبيب تشخيصها لكن البرنامج الملحق بجهاز SIRIUSاعتبرها حالة مشتبه بها رغم العالمات الصارخة لوجود قرنية مخروطية (شكل .)105 هذه الحالة تظهر أحد أوجه القصور في البرنامج الملحق بجهاز .SIRIUS

-2-6-7الحالة الثانية:

حالة قرنية مخروطية حدية بحيث أن التغيرات على خارطة التحدب السهمية األمامية كانت غير وصفية وأقرب ما تكون للشكل Dالعمودية (شكل .)106لم يستطع أي من نظام الذكاء الصنعي أو البرنامج الملحق بجهاز SIRIUSأو الطبيب تشخيصها وتم تصنيفها كحالة مشتبهه .عند المقارنة بين احتمالية وجود قرنية مخروطية نالحظ أن شبكات التحدب المماسية كانت أقدر على كشف التغيرات أكثر من السهمية وهذا يتوافق مع دراسة ()Tummanapalli, Potluri, Vaddavalli, & Sangwan, 2015 والتي وجدت أن الخرائط المماسية أقدر على كشف الحاالت تحت السريرية .هذه الحالة تظهر أهمية الخرائط المماسية إضافة ألهمية االستجواب والفحص السريري حيث كان منعكس المقص موجود هنا إضافة لكون العين األخرى حالة قرنية مخروطية صريحة.

-3-6-7الحالة الثالثة:

حالة قرنية مخروطية صريحة استطاع نظام الذكاء الصنعي تشخيصها بشكل صحيح إال أن كل من الطبيب والبرنامج الملحق بجهاز SIRIUSصنفاها على أنها حالة مشتبه بها بينما قراءة الطبيب المساعدة بنظام الذكاء الصنعي كانت صحيحة (شكل .)107قد يكون سبب الخطأ تعب الطبيب أو عدم االنتباه بسبب ضغط العمل وهنا تبرز أهمية القراءة بمساعدة نظام الذكاء الصنعي كما تظهر أحد أوجه القصور في البرنامج الملحق بجهاز .SIRIUS

173

الصفحة 174

174

الصفحة 175

175

الصفحة 176

176

الصفحة 177

-4-6-7الحالة الرابعة:

حالة قرنية مخروطية مشتبه بها (قرنية مخروطية مجهضة) تم تشخيصها من قبل نظام الذكاء الصنعي والطبيب على أنها قرنية مخروطية صريحة .والبرنامج الملحق بجهاز SIRIUSشخصها على أنها حالة مشتبهه .بمراجعة صور الخرائط نالحظ أنه هناك ارتفاع على خريطة االرتفاعات الخلفية لكن خارج دائرة ال 5ملم ،كما أن جميع المخططات تشير لوجود قرنية مخروطية صريحة عدا خرائط االرتفاعات التي تشير لوجود اشتباه (شكل .)108رغم كون الحالة حدية إال أنها تبرز أهمية مراجعة معايير تشخيص القرنية المخروطية طبوغرافيا خاصة خرائط التحدب الخلفية والتي قد تكون مكملة لخريطة االرتفاع الخلفية في عملية التشخيص.

-5-6-7الحالة الخامسة:

حالة قرنية مشتبه بها تم تشخيصها من قبل نظام الذكاء الصنعي والبرنامج الملحق بجهاز SIRIUS على أنها قرنية مخروطية صريحة ،بينما شخصها الطبيب على أنها حالة مشتبه بها (شكل .)109 وبمراجعة المخططات نالحظ اعتبار خرائط االرتفاعات تشير لقرنية مخروطية صريحة يليها مشتبه بها دون وجود ارتفاعات صريحة لكن بالتدقيق نالحظ وجود انخفاض غير متجانس ضمن دائرة 5ملم وهذا يشير لوجود عدم انتظام وزوغانات .رغم كون الحالة حدية إال أنها تبرز أهمية مراجعة معايير تشخيص القرنية المخروطية طبوغرافيا خاصة الزوغانات.

-6-6-7الحالة السادسة:

حالة قرنية مشتبه بها تم تشخيصها على أنها طبيعية من قبل نظام الذكاء الصنعي والطبيب بينما شخصت بشكل صحيح من قبل البرنامج الملحق بجهاز SIRIUSوالطبيب بالمساعدة (شكل .)110 فعند النظر للخرائط نالحظ أن خريطة االرتفاعات الخلفية تحوي على ارتفاع صريح ويشير المخطط الموافق لقرنية مخروطية أما النتيجة النهائية لنظام الذكاء الصنعي فهي أعطت نسبة إحتمالية %53 لكونها طبيعيه و %46لكونها مشتبه بها .وهنا تبرز أهمية القراءة بمساعدة نظام الذكاء الصنعي.

177

الصفحة 178

178

الصفحة 179

179

الصفحة 180

180

الصفحة 181

-7-6-7الحالة السابعة:

حالة قرنية مشتبه بها تم تشخيصها على أنها طبيعية من قبل البرنامج الملحق بجهاز SIRIUSوالطبيب بينما شخصت بشكل صحيح من قبل نظام الذكاء الصنعي وقراءة الطبيب المساعدة به .حيث أن خريطة االرتفاعات الخلفية تحوي على ارتفاع صريح ويشير المخطط الموافق لقرنية مخروطية كما أن المخططات الموافقة لمعظم الخرائط األخرى تشير لوجود قرنية مخروطية أو مشتبه بها (شكل .)111 وهنا تبرز أهمية القراءة بمساعدة نظام الذكاء الصنعي كما نالحظ عدم قدرة نظام SIRIUSعلى تشخيص الحالة رغم وجود ارتفاع خلفي واضح.

-8-6-7الحالة الثامنة:

حالة قرنية طبيعية تم تشخيصها كحالة مشتبهه من قبل نظام الذكاء الصنعي والبرنامج الملحق بجهاز SIRIUSوالطبيب وبمراجعة صور الخرائط نالحظ اعتبار خرائط االرتفاعات تشير لقرنية مخروطية صريحة أو مشتبه بها دون وجود العالمات الطبوغرافية المذكورة سابقا (شكل ،)112لكن بالتدقيق نالحظ وجود ارتفاع وانخفاض متقابلين ضمن دائرة 5ملم وهذا يشير لوجود عدم انتظام وزوغانات قد تكون السبب في هذا التشخيص.

-9-6-7الحالة التاسعة:

حالة قرنية طبيعية تم تشخيصها كحالة مشتبهه من قبل نظام الذكاء الصنعي ،بينما شخصها البرنامج الملحق بجهاز SIRIUSوالطبيب بشكل صحيح وبمراجعة صور الخرائط نالحظ اعتبار خريطة االرتفاعات الخلفية تشير لقرنية مخروطية صريحة أو مشتبه بها دون وجود العالمات الطبوغرافية المذكورة سابقا (شكل ،)113لكن بالتدقيق نالحظ وجود ارتفاع وانخفاض متقابلين ضمن دائرة 5ملم وهذا يشير لوجود عدم انتظام وزوغانات قد تكون السبب في هذا التشخيص.

181

الصفحة 182

182

الصفحة 183

183

الصفحة 184

184

الصفحة 185

-7-7نقاط القوة والضعف في دراستنا:

تتميز دراستنا بما يلي: •الدراسة الوحيدة التي شملت عشر خرائط مختلفة لصور الطبوغرافيا. •تم استخدام نموذج جديد مقترح من قبلنا لبنية الشبكة العصبونية وتم تطبيق مبدأ نقل المعرفة وزيادة البيانات أثناء عملية التدريب. •تم التدريب على صور حقيقية. •حجم عينة التدريب كبير نسبيا. •تم اعتماد ثالث فئات ضمن عملية التدريب واالختبار قرنية طبيعية ومخروطية ومشتبه بها. •مجموعة االختبار مستقلة عن مجموعة التدريب والتحقق. •استخدام جهاز SIRIUSوهو يدمج بين تقنيتي قرص بالسيدو وكاميرا البنتاكام. •تم دراسة الخرائط الحرارية لفهم كيفية عمل الشبكات. •تم دراسة قراءة الطبيب للخرائط بمساعدة نظام الذكاء الصنعي المقترح. من نقاط الضعف في دراستنا: •مجموعة التدريب والتحقق واالختبار غير متوازنة وهذا يؤثر على عملية التدريب وحساب معايير الدقة ولذلك تم استخدام الفقد الموزون حسب نسبة كل صنف أثناء عملية التدريب وحساب معايير الدقة بما يتوافق مع نسب االنتشار (القيمة التنبؤية من اإليجابية والسلبية) كما تم دراسة F1 scoreباعتباره أفضل من مشعر الدقة في مثل هذه الحاالت. •رغم كون جهاز SIRIUSمن األجهزة الحديثة والدقيقة إال أن أجهزة الطبوغرافيا في تطور مستمر وتعتبر األجهزة التي تعمل على مبدأ AS-OCTأدق منه ألنها ال تتأثر بالندبات، كما أنها تعطي خارطة الثخانة لظهارة القرنية والتي يبدو أنه سيكون لها دور كبير في كشف الحاالت الباكرة من القرنية المخروطية ومازال الموضوع قيد البحث ( & Kanellopoulos .)Asimellis, 2014

185