دراسة استقصائية حول نماذج التنبؤ بمرض القدم السكرية القائمة على الذكاء الصنعي وطرق معالجة الصور
الملخص
يلعب التعلّم الآلي دورًا مهيمنًا في العديد من جوانب الرعاية الصحية، من التشخيص إلى العلاج وحتى إلى علم الأوبئة. وحتى وقتٍ قريب جدًا، كان الطبّ يعتمد فقط على الخبرة المهنية التي يحصّلها الأطباء. ولكن مع النموّ في حجم قواعد البيانات أضحت تطبيقات الذكاء الاصطناعي أكثر حضورًا، وباتت الفوائد المتأتّية من تطبيق التعلم الآلي في الطب أكثر شهرة.
مرض السكري هو أحد الأمراض الشائعة جدا وأخذت حيزا مهما في الطب. إنه مرض استقلابي حيث تؤدي الإدارة غير السليمة لمستوى الجلوكوز في الدم إلى خطر الإصابة بالعديد من الأمراض مثل أمراض وتقرحات القدم وبتر الأعضاء وما إلى ذلك.
يُعد تقرح القدم السكرية والبتر سببًا في حدوث اعتلال كبير. يمكن تحقيق الوقاية من القدم السكرية من خلال تحديد المرضى المعرضين لخطر الإصابة ووضع تدابير وقائية.
كان هناك قدر كبير من الأبحاث التي تشمل طرق الكمبيوتر والتكنولوجيا للكشف والتعرف على قرح القدم السكرية ، ولكن هناك نقص في المقارنات المنهجية لأحدث ما توصلت إليه التكنولوجيا.
في هذا البحث ، سنقدم عدة دراسات قامت من أجل الكشف المبكر عن القدم السكرية باستخدام معالجة الصور والتعلم الآلي ونقوم بقارنة النتائج واكتشاف مشاكل كل بحث وبالنهاية اقتراح بعض الطرق والحلول للكشف المبكر عن القدم السكرية.
المراجع
2. Chanjuan Liu,Jaap J. van Netten,Jeff G. van Baal Sicco A. Bus,Ferdi van der Heijden, (February 2015), Automatic detection of diabetic footcomplications with infrared thermography by asymmetric analysis, Journal of Biomedical Optics 20(2), 026003 .
3. Brian Meneses-Claudio1, Witman Alvarado-Díaz2, Fiorella Flores-Medina3 Natalia I. Vargas-Cuentas4, Avid Roman-Gonzalez5, (No. 6, 2019), Detection of Suspicious of Diabetic Feet using Thermal Image, (IJACSA) International Journal of Advanced Computer Science nd Applications, Vol. 10.
4. S. Purnima,Shiny Angelin.P, Priyanka.R, Subasri.G, Venkatesh.R, (2017), Automated Detection of Diabetic Foot Using Thermal Images by Neural Network lassifiers.openaccess journal 2348-9480 .
5. Moi Hoon Yap , Ryo Hachiuma , Azadeh Alavi , Raphael Brüngel, Bill Cassidy , Manu Goyal , Hongtao Zhu , Johannes Rückert , Moshe Olshansky , Xiao Huang , Hideo Saito , Saeed (2021),Deep learning in diabetic foot ulcers detection: A comprehensive evaluation, Computers in Biology and Medicine 135 / 104596
6. Mitesh Warke1, Vikalp Kumar2, Swapnil Tarale3, Payal Galgat4, D.J Chaudhari5, (2019), Diabetes Diagnosis using Machine Learning Algorithms, International Research Journal of Engineering and Technology (IRJET).
7. D.G. Armstrong, A.J. Boulton, S.A. Bus, Diabetic foot ulcers and their recurrence, N. Engl. J. Med. 376 (2017) 2367–2375, https://doi.org/10.1056/nejmra1615439
8. N. Kaabouch et al., (2011) ,Enhancement of the asymmetry-based overlapping analysis through features extraction, J. Electron. Imaging 20(1),013012.
9. N. Kaabouch, W.-C. Hu, and Y. Chen, (2011),Alternative technique to asymmetry analysis-based overlapping for foot ulceration examination: scalable scanning, J. Diabetes Metab. S5, 003.
10. The British Diabetic Association operating as Diabetes UK, a charity registered in England and Wales (no. 215199)
11. Y. García García, E. Hernández Lao, A. Hernández Soublet, J. A. Barnés Domínguez, and Z. Durán Balmaseda,,(2000),Therapeutic education on diabetes for patients with first amputation caused by diabetic foot, Rev. Cuba. Angiol. y Cirugía Vasc., vol. 17, no. 1, pp. 0.
12. J. Federico, R. Cruz, E. Bonilla Huerta, R. Cocoletzi, and J. Crispín Hernández Hernández, ,(2016),Advances in the Development of a Thermographic Image Classifier of Diabetic Foot Plant Based on Backpropagation Neural Network.
M.H. Yap, N.D. Reeves, A. Boulton, S. Rajbhandari, D. Armstrong, A.G. Maiya, B. Najafi, E. Frank, J. Wu, (2020), Diabetic Foot Ulcers Grand Challenge, https://doi.org/10.5281/zenodo.3715016
M.H. Yap, N. Reeves, A. Boulton, S. Rajbhandari, D. Armstrong, A.G. Maiya, B. Najafi, E. Frank, J. Wu,(2021, 2020) ,Diabetic Foot Ulcers Grand Challenge https://doi.org/10.5281/zenodo.3715020
15. W. Zhao, H. Huang, D. Li, F. Chen, W. Cheng, (2020) , Pointer defect detection based on transfer learning and improved cascade-RCNN, Sensors 20 4939 X. Zhou, D. Wang, P. Kr¨ahenbühl, , https:// doi.org/10.3390/s20174939
