" تشخيص ابيضاض الدم اللمفاوي الحاد باستخدام التعلم العميق ونقل التعلم "

الملخص

ينتج ابيضاض الدم عن تكاثر شاذ ومفرط لخلايا الدم البيضاء فيتدمر نتيجة لهذا الجهاز المناعي في أجسامنا ويؤدي ذلك للموت. سنويا يشخص ما يقدر بـ 300 ألف حالة جديدة من ابيضاض الدم وهو ما يشكل 2.8% من إجمالي السرطانات المشخصة [2]. من بين أربع أنواع مختلفة من ابيضاض الدم يكون ابيضاض الدم اللمفاوي الحاد acute lymphoblastic leukemia (ALL) أخطر أنواع سرطانات الدم وأكثرها فتكا فهو سريع جدا بالانتشار وقاتل في غضون أسابيع إذا لم يتم علاجه. إحصائيا يمكن علاج حوالي 90٪ من المرضى بشرط تشخيص المرض في مرحلة مبكرة _[2] لذا يعد التشخيص المبكر للـALL ضروري للغاية. في الطرق اليدوية يقوم أخصائيو علم الأمراض بتشخيصه عن طريق اختبار الخذع من نقي العظام أو اختبار مجهري عيني لعينة دموية. وعلى الرغم من أن هذه الطريقة فعالة جدا في التشخيص إلا أنها تستغرق وقتا طويلا وتحتاج لخبرة عالية لذا في هذه الحالة يمكن اعتبار التشخيص بمساعدة الحاسوب computer aided diagnosis (CAD) أداة تشخيص مساعدة رائعة إذا ما تم تطوير أنظمة تشخيص حاسوبي ذات دقة عالية لتشخيص المرض تدعم رأي الطبيب وتسانده. تم اقتراح العديد من خوارزميات التعلم الآلي الخاضعة لإشراف وغير الخاضعة للإشراف للكشف عن ALL.

في عملنا هذا فإننا نعتمد على عينات من صور مجهرية لابيضاض الدم اللمفاوي الحاد مأخوذة من مجموعة بيانات معروفة باسم C-NMC كونها أكبر مجموعة بيانات متاحة بهدف بناء نموذج تعلم عميق (شبكة عصبية التفافية CNN) وباستخدام آليات نقل التعلم لنموذج EfficientNetB3 لبناء نظام يدعم رأي الطبيب في التشخيص في نهاية العمل وبعد معالجة البيانات وتدريب النموذج حصلنا على دقة تدريب بلغت 98.623% ودقة اختبار 97.75 %. وهو ما شكل أمر واعد في تطوير هكذا نظم.