الفهرس 
CHAPTER ONEOnly 14 pages are availabe for public view
 |  | from | 137 |  |  |
| | | from | 137 | | |
Abstract
كوفيد-19هو عدوى تنفسية حادة يسببها فيروس كورونا. كان تفشي هذا الفيروس أخطر تحدي واجهه العالم في الآونة الأخيرة . تسبب مرض كوفيد -19 في ظهور أعراض عصبية تؤثر على كل من الجهاز العصبي المركزي والجهاز العصبي المحيطي ، بما في ذلك نقص أو فقدان حاسة الشم ، خاصة في حالات العدوى الخفيفة والمتوسطة، حيث إرتبط كوفيد-19 بفقدان حاسة الشم جزئيًا أو كليًا، حيث وجدت العديد من الدراسات أن كوفيد-19 له تأثيرات كبيرة على البصيلات الشميه بنا ًء على نتائج نماذج مختلفة من التصوير الطبي الذي خضع له العديد من مرضى كوفيد-19 المصابين بفقدان حاسة الشم. أظهرت العديد من الدراسات التي أجريت من خلال أبحاث متنوعة أن كوفيد-19 يسبب خللاً وظيفيًا في حاسة الشم لدى بعض المرضى الذين يعانون من فقدان حاسة الشم الناجم عن كوفيد-19 بسبب تغير في شكل وحجم البصيلات الشميه. يوجد طرق مختلفة لتصوير الرنين المغناطيسي مثل، FLAIR، و DTI ، يمكن استخدامها للتحقيق في البصيلات الشميه . كانت غالبية الدراسات ذات دقة تشخيص منخفضة لأنها أسست نظام CAD بناء على طريقة تصوير واحدة. لذلك، استخدمت الدراسة الحالية مجموعة متنوعة من أساليب التصوير )مثل FLAIR وDTI(. لاحظنا أن معظم الأبحاث السابقة لم تأخذ في الإعتبار المظهر والانتشار وعلامات.الشكل عند تحديد شدة عدوى البصيلات الشميه. لذالك، إقترحت هذه المخطوطة نظام تشخيص وتصنيف بمساعدة الكمبيوتر )CAD( لتحديد ما إذا كان مريض كوفيد-١٩ يعاني.من فقدان حاسة الشم طبيعي أو خفيف أو شديد.لتحقيق هذا الهدف ، استخدمنا التصوير بالرنين المغناطيسي والانتشار المرن)DTI) ، (FLAIR-MRI(.لاستخراج علامات المظهر والشكل والانتشار من العصب الشمي, قمنا بإقتراح نظام CAD جدي ًدا يمكنه تصنيف شدة عدوى البصيلات الشميه باستخدام صور FLAIR وDTI استند التحقيق الحالي إلى عدة فرضيات طبية ، بما في ذلك ضعف حاسة الشم والالتهاب. لتحقيق هذا الهدف، تم استخراج علامات المظهر والتشكل )مثل التوافقيات الكروية( والانتشار مثل MD وFA بنا ًء على شكل ومورفولوجيا البصيلات الشميه. للتحقق من الأداء ، تم استخدام 5 أضعاف و 10 أضعاف و LOO في التجارب. تم تدريب عشرة مصنفات Machine Learning على العلامات المستخرجه وتعديلها باستخدام Grid Search لاختيار أفضل المعلمات الفائقة الواعدة واستراتيجية القياس في كل فئة. تم دمج الميزات معًا ، وتم اتخاذ القرار بأغلبية الأصوات. تم استخدام مقاييس أداء مختلفة للإبلاغ عن الأداء العام. تفوق LGBM على مصنفات ML الأخرى. يعتبر دمج المجموعات باستخدام تصويت الأغلبية جز ًءا أساسيًا في نظام CAD. تم اعتبار ERTC مصنّفًا ضعيفًا لـ Machine Learning في المشكلة الحالية. أخي ًرا ، تظهر النتائج أن دمج الذكاء الاصطناعي مع بيانات التصوير DTI و FLAIR لتحديد شدة الخلل الوظيفي في البصيلات الشميه أمر ممكن. من المتوقع أن تكون النتيجة إما ”طبيعية” أو ”فقدان حاسة شم خفيف” أو ”فقدان حاسة شم شديد.”عززالدمج دقة 85.30٪ ، وقرار 80٪ ، ونوعية ٪89.50 وحساسية 78.90٪ F1 ٪78.30 .يمكن أن تساعد التكنولوجيا المقترحة الأطباء في تقييم المرضى الذين يحتاجون أكثرالعناية السريرية المركزة.