إطار عمل التعلم العميق الهجين للتصنيف الآلي لصور ABR للأطفال في التشخيص المبكر لفقدان السمع
الكلمات المفتاحية:
استجابة جذع الدماغ السمعية، ضعف السمع الطفولي، التعلم العميق، الشبكات العصبية الالتفافية، النموذج الهجينالملخص
يُعد الكشف المبكر عن ضعف السمع لدى الأطفال أمرًا بالغ الأهمية لتجنب التأخر في تطور النطق واللغة والقدرات الإدراكية. تُستخدم استجابة جذع الدماغ السمعية (ABR) كأداة معيارية لتشخيص السمع لدى الرضع، إلا أن تحليلها اليدوي يتطلب خبرة كبيرة ووقتًا طويلاً. تهدف هذه الدراسة إلى تطوير نموذج تعلم عميق هجين يجمع بين الشبكات العصبية الالتفافية (CNN) ووحدات الذاكرة طويلة المدى (LSTM) لتصنيف صور إشارات ABR إلى طبيعية وغير طبيعية بشكل تلقائي. كما تم تصميم نموذج آخر يعتمد على بنية ResNet للمقارنة. اشتملَت قاعدة البيانات على 187 صورة ABR مشخَّصة سريريًا لأطفال تتراوح أعمارهم بين 1 و20 شهرًا، وتم توسيعها إلى أكثر من 1,600 صورة باستخدام تقنيات زيادة البيانات لمعالجة عدم التوازن بين الفئات. حقق نموذج CNN-LSTM دقة تحقق بلغت 99.5% وحساسية 100% ودرجة F1 بلغت 99.45% وتخصص 99.11%، متفوقًا على نموذج ResNet بنسبة 97.8%. تؤكد النتائج فعالية النموذج الهجين المقترح في التفسير الآلي لاختبارات ABR وإمكانية استخدامه كأداة تشخيصية قابلة للتطبيق للكشف المبكر عن ضعف السمع لدى الأطفال في البيئات محدودة الموارد.
التنزيلات
المراجع
Chen, C., Zhan, L., Pan, X., Wang, Z., Guo, X., Qin, H., Xiong, F., Shi, W., Shi, M., Ji, F., Wang, Q., Yu, N., & Xiao, R. (2021). Automatic recognition of auditory brainstem response characteristic waveform based on bidirectional long short-term memory. Frontiers in Medicine, 7, 613708.
Haile, L. M., Kamenov, K., Briant, P. S., Orji, A. U., Steinmetz, J. D., Abdoli, A., ... & Rana, J. (2021). Hearing loss prevalence and years lived with disability, 1990–2019: findings from the Global Burden of Disease Study 2019. The Lancet, 397(10278), 996-1009.
Islam, M. N., Sulaiman, N., Bari, B. S., Rashid, M., & Mustafa, M. (2022). A hybrid scheme for AEP based hearing deficiency diagnosis: CWT and convoluted k-nearest neighbour (CKNN) pipeline. Neuroscience Informatics, 2(1), 100037.
Jin, F. Q., Huang, O., Robler, S. K., Morton, S., Platt, A., Egger, J. R., Emmett, S. D., & Palmeri, M. L. (2023). A hybrid deep learning approach to identify preventable childhood hearing loss. Ear and Hearing, 44(5), 1262.
Liang, S., Xu, J., Liu, H., Liang, R., Guo, Z., Lu, M., Liu, S., Gao, J., Ye, Z., & Yi, H. (2024). Automatic recognition of auditory brainstem response waveforms using a deep learning‐based framework. Otolaryngology–Head and Neck Surgery, 171(4), 1165-1171.
Liu, Y., Xiang, L., Li, Q., Li, K., Yang, Y., Wang, T., Qin, Y., Fu, X., Zhao, Y., & Gao, C. (2025). Comparison of deep learning models for objective auditory brainstem response detection: A multicenter validation study. Trends in Hearing, 29, 23312165251347773.
Ma, J., Choi, S. J., Kim, S., & Hong, M. (2024). Performance comparison of convolutional neural network-based hearing loss classification model using auditory brainstem response data. Diagnostics, 14(12), 1232.
Ma, J., Seo, J. H., Moon, I. J., Park, M. K., Lee, J. B., Kim, H., Ahn, J. H., Jang, J. H., Lee, J. D., Choi, S. J., & Hong, M. (2023). Auditory brainstem response data preprocessing method for the automatic classification of hearing loss patients. Diagnostics, 13(23), 3538.
McKearney, R. M., & MacKinnon, R. C. (2019). Objective auditory brainstem response classification using machine learning. International journal of audiology, 58(4), 224-230.
McKearney, R. M., Simpson, D. M., & Bell, S. L. (2025). Automated wave labelling of the auditory brainstem response using machine learning. International Journal of Audiology, 64(7), 766-771.
Özyurt, F., Majidpour, J., Rashid, T. A., Majidpour, A., & Koç, C. (2023). Multi-transfer learning techniques for detecting auditory brainstem response. Applied Acoustics, 212, 109604.
Theunissen, S. C., Rieffe, C., Kouwenberg, M., Soede, W., Briaire, J. J., & Frijns, J. H. (2011). Depression in hearing-impaired children. International journal of pediatric otorhinolaryngology, 75(10), 1313-1317.
Wimalarathna, H., Ankmnal-Veeranna, S., Allan, C., Agrawal, S. K., Allen, P., Samarabandu, J., & Ladak, H. M. (2021). Comparison of machine learning models to classify auditory brainstem responses recorded from children with auditory processing disorder. Computer methods and programs in biomedicine, 200, 105942.
Yong, M., Panth, N., McMahon, C. M., Thorne, P. R., & Emmett, S. D. (2020). How the world’s children hear: A narrative review of school hearing screening programs globally. OTO open, 4(2), 2473974X20923580.
التنزيلات
منشور
إصدار
القسم
الرخصة
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
