تدريسي في كلية طب ديالى ينشر بحثًا علميًا في مجلة عالمية ضمن مستوعبات Clarivate و Scopus لتطوير تقنيات الذكاء الاصطناعي في قراءة الكتابة اليدوية الطبية
في إطار جهود كلية الطب بجامعة ديالى الرامية إلى تعزيز البحث العلمي والنشر في المجلات العالمية الرصينة، حقق التدريسي م.م. أحمد جبار محمد من فرع الفسلجة والفيزياء الطبية إنجازًا علميًا بنشر بحثه في مجلة Signal, Image and Video Processing الصادرة عن Springer Nature، والمصنفة ضمن الربع الثاني (Q2) والمفهرسة في قاعدتي بيانات Clarivate وScopus، حيث يبلغ Impact Factor للمجلة 2.7، فيما يبلغ CiteScore 4.1.
وجاء البحث بعنوان:
Autoencoder-Levenberg–Marquardt Back-Propagation: A Training Algorithm in Recognizing Handwriting Images
(المُرمِّز التلقائي مع خوارزمية الانتشار العكسي لليفنبرغ–ماركوارت: خوارزمية تدريب للتعرف على صور الكتابة اليدوية).
ويهدف البحث إلى تطوير نظام ذكي يعتمد على تقنيات التعلم العميق ومعالجة الصور الرقمية للتعرف على النصوص والكتابات اليدوية بدقة عالية، بما يدعم التطبيقات الطبية الحديثة، ولاسيما قراءة الوصفات الطبية والملاحظات السريرية المكتوبة بخط اليد، والتي تمثل أحد أبرز التحديات في المؤسسات الصحية. كما يسهم النظام في تقليل أخطاء تفسير الكتابة، وتحسين عمليات تحويل السجلات الطبية الورقية إلى سجلات إلكترونية، وتعزيز كفاءة الأنظمة الصحية المعتمدة على الذكاء الاصطناعي.
واعتمدت الدراسة على تصميم وتقييم نموذج يستخدم المُرمِّز التلقائي (Autoencoder) مع خوارزمية Levenberg–Marquardt Backpropagation، مع اختبار كفاءته في التعرف على صور الكتابة اليدوية تحت تأثير ثلاثة أنواع من الضوضاء الرقمية، هي: Gaussian وSalt-and-Pepper وSpeckle، فضلاً عن مقارنة أدائه مع عدد من الخوارزميات المعتمدة في الدراسات السابقة.
وأظهرت نتائج الدراسة تحقيق النموذج المقترح دقة تصنيف بلغت نحو 99.7%، مع قدرة عالية على مقاومة ضوضاء Salt-and-Pepper، ومقاومة متوسطة لضوضاء Speckle، في حين كان أكثر تأثرًا بضوضاء Gaussian عند ارتفاع مستوى التباين. كما أكدت النتائج أن مقياسي F1-Score وTrue Positive Rate (TPR) يعدان أكثر موثوقية من مقياس Accuracy في تقييم أداء النموذج، وحددت أن المجال الأمثل لمستويات الضوضاء يقع بين 0.05–0.07، محققًا أفضل توازن بين الدقة والاستقرار. كذلك أثبتت المقارنة مع الدراسات السابقة فاعلية خوارزمية Levenberg–Marquardt في تحسين أداء أنظمة التعرف على الكتابة اليدوية وخفض معدلات الخطأ.
ويكتسب هذا البحث أهمية تطبيقية كبيرة في دعم التحول الرقمي للقطاع الصحي، إذ يفتح آفاقًا لتطوير أنظمة ذكية قادرة على قراءة الوصفات الطبية والسجلات السريرية المكتوبة بخط اليد بكفاءة عالية، بما يسهم في تقليل الأخطاء الطبية، وتسريع أرشفة البيانات الصحية، ودعم اتخاذ القرار السريري باستخدام تقنيات الذكاء الاصطناعي.
ويؤكد هذا الإنجاز تميز باحثي كلية الطب بجامعة ديالى وحضورهم العلمي في المجلات الدولية المرموقة، بما يعكس المكانة الأكاديمية للكلية وحرصها على إنتاج بحوث نوعية تخدم المجتمع وتواكب التطورات العالمية في مجالات الذكاء الاصطناعي والتقنيات الطبية الحديثة.
