تشخيص امراض العين باستخدام تقنيات الذكاء الاصطناعي

Abstract

التشخيص الدقيق والفعال لأمراض العيون أمر بالغ الأهمية لمنع فقدان البصر وتحسين صحة المرضى. تعد تقنية التصوير المقطعي البصري OCT تقنية تصوير شائعة وفعالة توفر صورا مفصلة لشبكية العين وتستخدم لتشخيص مختلف أمراض العيون. ومع ذلك، فإن تفسير هذه الصور يشكل تحديا بسبب التشريح المعقد للعين والفروق الدقيقة والبسيطة بين طبقات الشبكية السليمة والمريضة. تستخدم هذه الأطروحة الذكاء الاصطناعي والتعلم العميق للكشف عن وتحليل صور OCT. من ناحية أخرى، تواجه تقنيات الذكاء الاصطناعي تحديات عديدة عند اكتشاف الأمراض من الصور الطبية، بما في ذلك معالجة الصور وتغيير عملياتها قبل التدريب. لذلك، قمنا أيضا ببناء برنامج صيانة لمعالجة الصور. يستخدم هذا الإطار لمعالجة الصور قبل تدريب نماذج التعلم الآلي. يضمن هذا الإطار الموثوقية وقابلية التكيف، مما يسمح بالاستخدام المتكرر والمتنوع. نستخدم مبادئ SOLID والتطوير بالاختبار أولاً لبناء هذا البرنامجTDD. في هذه الأطروحة، نساهم في مجال تشخيص أمراض العيون من خلال جمع مجموعة بيانات من صور OCT، تحديدا من أفراد ذوي الأصول العربية (الجزائرية). بالإضافة إلى ذلك، قمنا بتدريب العديد من نماذج التعلم الآلي والتعلم العميق لأمراض العيون بواسطة صورOCT. استخدمنا العديد من النماذج والتقنيات، بما في ذلك YOLOv8، التعلم بالنقل، الشبكات العصبية التلافيفية CNN, KNN وغيرها. قدمنا أيضا إطارا لنشر نماذجنا للأطباء، مما يضمن التكامل السلس في الممارسة السريرية والاستخدام الواسع النطاق. Early diagnosis of ocular diseases is crucial for preventing vision loss and improving patient health. Optical Coherence Tomography (OCT) is a popular and effective imaging technique that provides detailed images of the eye retina and is used to diagnose various eye diseases. However, interpreting these images is challenging due to the complex anatomy of the eye and the fine and slight differences between healthy and diseased retina layers. This thesis uses Artificial Intelligence (AI) and deep learning to detect and analyse OCT images. On the other hand, detecting diseases from medical images using AI techniques faces several challenges, including image processing and the change in their operations before training. Therefore, we also built maintainable software for image processing. The framework is used to preprocess images before training machine learning models. This framework ensures reliability and adaptability, allowing for repeated and versatile use. We use both SOLID principles and Test-Driven Development to build this software. In this thesis, we contribute to the field of ocular diagnostics by collecting a dataset of OCT images, specifically from individuals of Arabian descent (Algerian). Furthermore, we train several machine learning and deep learning models for ocular diseases in OCT images. We used several models and techniques, including YOLOv8, transfer learning, Convolutional Neural Network (CNN), KNN and others. We also presented a framework for deploying our models for doctors, ensuring seamless integration into clinical practice and widespread utilisation