نهج تعليم آلي متمحور حول الإنسان لتتبع مفصل العضلة والوتر في صور الأشعة فوق الصوتية

تُركّز الأبحاث الحيوية الحركية والسريرية في مشية الأفراد على دراسة وظائف وأساليب عمل العضلات والأوتار في الأطراف من خلال مراقبة حركات نقاط تشريحية مميزة، مثل نقاط الانتقال بين العضلات والأوتار. ولهذا السبب، تُقاس حركات هذه النقاط بشكل متكرر. نُقدّم هنا منهجًا موثوقًا وفعالًا زمنيًا يستخدم التعلم الآلي لتتبع هذه النقاط في مقاطع الفيديو فوق الصوتية، بهدف دعم الخبير الحركي الحيوية في تحليل المشية. ولتسهيل هذه العملية، تم تقديم منهج مبني على التعلم العميق. وقد جمعنا مجموعة بيانات واسعة تشمل ثلاث حركات وظيفية، وعضلاتتين، تم جمعها من 123 فردًا سليمًا و38 فردًا مصابًا، باستخدام ثلاث أنظمة مختلفة للفحص فوق الصوتي، ما يوفر ما مجموعه 66864 صورة فوق صوتية تم وضع علامة عليها لتدريب الشبكة العصبية. علاوةً على ذلك، استخدمنا بيانات تم جمعها من مختبرات مستقلة وتم تنقيحها من قبل باحثين يختلفون في مستوى خبرتهم. ولتقييم أداء منهجنا، تم اختيار مجموعة اختبار متنوعة تم التحقق منها بشكل مستقل من قبل أربعة خبراء. ونُظهر أن نموذجنا يحقق أداءً مماثلًا لنتائج أربعة خبراء بشريين في تحديد مواقع نقاط انتقال العضلات والأوتار. ويُقدّم منهجنا تتبعًا سريعًا من حيث الزمن لنقاط الانتقال بين العضلات والأوتار، مع أوقات تنبؤ تصل إلى 0.078 ثانية لكل إطار (أي أسرع بحوالي 100 مرة من التسمية اليدوية). تم إتاحة جميع الكودات المُستخدمَة، والنموذج المُدرّب، ومجموعة الاختبار بشكل عام، كما يُقدّم النموذج كخدمة مجانية عبر الإنترنت على الموقع: https://deepmtj.org/.