Abstract:
يعتبر الذكاء الاصطناعي تقنية واعدة في التصوير الطبي، حيث يحسن دقة وكفاءة تشخيص الكسور. ويقلل من الأخطاء البشرية، تستخدم الأشعة السينية لتشخيص الكسور الناتجة عن الشيخوخة، والحوادث وهشاشة العظام، لكن التقييم اليدوي قد يكون مرهقا وعرضة للأخطاء، خاصة في حالة الكسور الدقيقة يهدف هذا البحث إلى تحسين وتسريع عملية تشخيص صور الأشعة السينية للكسور، باستخدام نظام تعلم آلي يساعد المهنيين الطبيين في اكتشاف الكسور بدقة وسرعة، يعتمد النظام على تدريب خوارزميات التصنيف SVM و KNN باستخدام مجموعة بيانات مكونة من 4000 صورة أشعة سينية متنوعة بين المكسورة وغير المكسورة، حيث تم إجراء عملية المعالجة المسبقة للصور، ثم تم استخراج الميزات وتدريب كل من النموذجين SVM و KNN على هذه الميزات، تم ضبط معلمات التدريب على 0.3 لتحديد حجم بيانات الاختبار و 42 لتحديد عدد مرات تكرار التدريب، كما تم ضبط معلمة نموذج KNN لتحديد أقرب جار على القيمة 9- بعد المقارنة، تبين أن نموذج SVM حقق دقة أعلى في تصنيف الكسور بنسبة %82.20 عند استخراج ميزة الزوايا، في حين أن نموذج KNN حقق دقة 81.21% عند استخراج نفس الميزة، وعند دمج جميع تقنيات استخراج الميزات، تم الحصول على دقة 83.36% لنموذج SVM و 82.86% لنموذج KNN هذه النتائج تؤكد فعالية النظام في تحسين تحليل وتصنيف صور الأشعة السينية، مما يسهم في تقديم تشخيصات أكثر دقة وسرعة للمرضى، ويبرز فعالية الذكاء الاصطناعي في تحسين تشخيص كسور العظام، وتقليل الوقت المطلوب، وتخفيف الأعباء على متخصصي الأشعة. تم استخدام المنهج الوصفي التحليلي، و تم استخدام منهجية الشلال (Waterfall Model) في تحليل و فهم متطلبات النظام.
