تشخیص ناهنجاری کف پا با استفاده از یادگیری عمیق بهبود یافته

مقدمه:  صافی کف پا و دیگر ناهنجاری های ساختاری کف پا از عوامل اصلی در بروز اختلالات اسکلتی–عضلانی به شمار می آیند و می توانند کیفیت زندگی افراد را به طور چشمگیری کاهش دهند. تشخیص زودهنگام این مشکلات نقش مهمی در پیشگیری از پیشرفت عوارض و انتخاب روش های درمانی مناسب ایفا می کند. در سال های اخیر، استفاده از روش های مبتنی بر یادگیری عمیق در حوزه بیومکانیک و مهندسی پزشکی رشد قابل توجهی داشته است. این روش ها با بهره گیری از قابلیت های تحلیل خودکار داده های تصویری و بالینی، امکان ارائه مدل های دقیق تر و کاربردی تر را فراهم می سازند. پژوهش حاضر با هدف ارائه مدلی نوین برای تشخیص ناهنجاری های کف پا طراحی و پیاده سازی شده است که هم زمان به تحلیل ابعاد ساختاری، زاویه ای و فشاری کف پا می پردازد. روش کار: در این مطالعه تصاویر کف پای افراد سالم و دارای ناهنجاری گردآوری و به عنوان داده ورودی به سیستم پردازش داده ارائه شد. ابتدا ناحیه قوس کف پا با بهره گیری از تکنیک های پیشرفته سگمنت بندی، استخراج گردید. سپس خروجی این مرحله به مدل YOLO بهبودیافته همراه با مکانیزم توجه CBAM وارد شد تا فرآیند شناسایی ناهنجاری ها با دقت و تمرکز بیشتری بر نواحی بحرانی انجام پذیرد. علاوه بر آن، به منظور تحلیل جامع تر، زوایای کف پا از تصاویر محاسبه شد و با الگوی توزیع فشار در کف پا ترکیب گردید تا یک نمایه چندوجهی از وضعیت کف پا حاصل شود. یافته ها: نتایج حاصل از ارزیابی مدل بر روی داده های آزمایشی نشان داد که روش پیشنهادی توانست به دقت ۹۵/۱۴ درصد در شناسایی ناهنجاری های کف پا دست یابد. مقایسه عملکرد مدل با روش های مرسوم و رقیب حاکی از آن بود که مدل ارائه شده نه تنها در سطح دقت، بلکه در سرعت پردازش و قابلیت تمرکز بر نواحی حساس کف پا نیز عملکرد بهتری ارائه کرده است. ترکیب اطلاعات زاویه ای و فشار در کنار تصاویر سگمنت بندی شده، موجب افزایش قابل توجه توان مدل در شناسایی انواع ناهنجاری ها گردید. نتیجه گیری: مدل معرفی شده با ساختاری ساده و در عین حال کارآمد، قابلیت شناسایی ناهنجاری های کف پا را با دقت بالا فراهم می سازد. این رویکرد می تواند به عنوان ابزاری ارزشمند در غربالگری های پزشکی، طراحی کفی های طبی و پایش روند درمان بیماران به کار گرفته شود. همچنین با توجه به سهولت پیاده سازی و سرعت پردازش، امکان استفاده از این مدل در محیط های بالینی و مراکز توانبخشی وجود دارد. بدین ترتیب، پژوهش حاضر می تواند زمینه ساز توسعه سامانه های هوشمندتر در حوزه سلامت دیجیتال و پزشکی پیش بینانه باشد.

کلیدواژه ها:

Plantar deformity ، Flatfoot pressure ، Deep learning ، YOLO model ، CBAM attention mechanism ، ناهنجاری کف پا ، فشار صافی پا ، یادگیری عمیق ، مدل YOLO ، مکانیزم توجه CBAM