Fatima Ezzahra Elkouahy a,* , Ahmed Bennis c , Nicolas Merke b , Hajar Ouahidd , Hamid El Malali a , Lhoucine Ben Taleba , Azeddine Mouhsena a Energy-Materials-Instrumentation and Telecom Laboratory (EMIT), Faculty of Science and Technology, University Hassan 1st, Settat, Morocco; b

Department of Cardiothoracic and Vascular Surgery, German Heart Center Charité Berlin, Berlin, Germany; c Department of  Cardiology,  University  Hospital  Hassan  2,  Casablanca,  Morocco; d Faculty  of  Medicine  and  Pharmacy,  Cadi  Ayyad  University, Bioscience, and Health Research Laboratory, Marrakech, Morocco Received December 22, 2024; revision requested April 12, 2025; accepted May 13, 2025

Məqsəd: Aorta  stenoz  dəqiq diaqnoz qoyulmasının tələb edən qapaq xəstəliklər içərisində üstünlük təşkil edir. Exokardioqrafiya  müayinəsini apararkən dinamik görüntü  problemləri və kardioloqun təcrübəsinə etibar etmək kimi məhdudiyyətlər yarana bilər. Aort stenozunu (AS)  qiymətləndirilməsi üçün LVOT diametrini ölçmək çox vacibdir, çünki 1 mm fərq vurğu həcmində 10% dəyişikliyə səbəb ola bilər. Dəqiq ölçümlər alınması və  səhvlərin qarşısını almaq üçün doppler şüasının tənzimlənməsi və LVOT VTI ölçülməsi də lazımdır. Tədqiqatımızda TMED 2 məlumat dəstindən istifadə edərək  aort stenozunun dəqiq diaqnozu üçün yeni süni intellekt proqramı təqdim edilib. Süni intellektdən istifadə edərək  mövcud məhdudiyyətləri aradan qaldırıb və diaqnozun dəqiqliyini əhəmiyyətli dərəcədə artırmaq üçün çalışırıq.

 Metodlar: Yeni metod  konvolyusional sinir şəbəkələrindən (CNNS) istifadə edərək , TMED2 məlumat dəstəsindəki müxtəlif transtorasik exokardioqrafiya görüntü  növlərinə əsaslanaraq AS dərəcəsini qiymətləndirməkdr. Bu yenilikçi metod  CNN-in ekokardioqrafik məlumatlarda  detallı nümunələri tanıma qabiliyyətindən faydalanaraq , daha dəqiq AS diaqnozunu qoymağa imkan verir.  Biz  CNN modellərimizin səmərəliyini  qiymətləndirmək üçün alıcı operator əyrisinin altındakı qarışıqlıq və sahə göstəricilərindən istifadə etmişik.

Nəticələr: CNN şəbəkələrimizə  view_and_diagnosis_labeled_set məlumat dəstindən 577 unikal xəstə ilə  (bəzilərinə müxtəlif günlərdə bir neçə tədqiqat daxil edilmişdir) 599 tədqiqat daxil edilmişdir Təsnifat üçün üç sinif seçdik: aort stenozu yoxdur, aorta stenozu və yüngül aorta stenozu. Aorta stenozunun təyin edilməsinin dəqiqliyi 85,74% təşkil edib. Xarici yoxlama üçün transtorasik ekokardioqrafiyanın  üç görüntü pəncərəsindən (PLAX, PSAX və A4C) istifadə edərək müvafiq AUROCs dəyərlərini 0.81, 0.88 və 0.48 verən AS skrininqi aparıldı.

Nəticə: Yeni CNN modeli TMED2 məlumat dəstindəki görüntülərə əsaslanaraq aorta stenozunun (AS) aşkarlanmasında 85,74% dəqiqlik əldə etmişdir. PLAX, PSAX və A4C görüntü pəncərələri müvafiq olaraq 0,81, 0,88 və 0,48 AUROC göstəriciləri ilə etibarlı skrininq imkanları nümayiş etdirmişdir. Bu ümidverici nəticələr klinik tətbiqlərdə süni intellektin böyük potensiala malik olduğunu göstərir. Gələcək tədqiqatlarda məlumat balanssızlığının aradan qaldırılması, görüntülərin proyeksiyasının avtomatik müəyyənləşdirilməsi və aort stenozunun ağırlıq dərəcəsinin qiymətləndirilməsi üzərində fokuslanaraq diaqnostik yanaşmanın daha da təkmilləşdirilməsi planlaşdırılır.

Açar sözlər : aorta stenozu,  konvolyusional sinir şəbəkələri, doppler exokardioqrafiyası, parasternal uzun ox, süni intellekt.

Tərcümə etdi :  Yaqut Qasımova 
https://www.sciopen.com/article/10.26599/AUDT.2025.240067