تمت في قسم هندسة الطب الحياتي مناقشة طالب الماجستير عباس عبدالخضر محمد، وذلك يوم الثلاثاء الموافق 2/9/2025، حول رسالته الموسومة:

"Enhanced Detection of Cervical Spine Fractures using Artificial Intelligence" 

تألّفت لجنة المناقشة من:

رئيس اللجنة: الأستاذ المساعد الدكتور أخلاص كاظم حمزه – كلية الهندسه / جامعة التكنولوجيه 

عضوًا: الأستاذ المساعد الدكتور أسراء بدر ناصر– كلية الهندسة / جامعة النهرين

عضوًا: المدرس الدكتور ألاء عايد جبر – كلية الهندسة / جامعة النهرين

وكانت الأطروحة بإشراف كلاً من:

الاستاذ المساعد الدكتور هديل قاسم وادي – كلية الهندسة / جامعة النهرين

 الاستاذ المساعد الدكتور عبداللطيف علي أصغر مصطفى- كلية الطب / الجامعه المستنصريه

وقد قُيّمت الأطروحة علميًا من قبل:

المقوّم العلمي الأول: الأستاذ المساعد الدكتور نور كمال محسن – كلية الهندسة الخوارزمي/ جامعة بغداد

المقوّم العلمي الثاني: الأستاذ المساعد الدكتور شيماء صفاءالدين بهاءالدين – كلية الهندسه/ جامعة النهرين 

كما قُوّمت لغويًا من قبل:

المدرس الدكتورة ميس عدي عبدالرسول – كلية الهندسة/جامعة النهرين .

تهدف هذه الدراسة إلى تطوير إطار عمل متعدد المراحل يعتمد على تقنيات التعلم العميق للكشف التلقائي وتحديد مواضع كسور العمود الفقري العنقي في صور المفراس المحوسب (CT) بدقة عالية، وذلك بالاعتماد على نهج 2.5D لدمج المعلومات السياقية من المقاطع المتتالية.

يتكون الإطار المقترح من ثلاث مراحل:

التصنيف باستخدام نموذج DenseNet121 لتحديد وجود الكسر، مدعوماً بتقنية Grad-CAM للتفسير البصري.

التقسيم عبر نموذج DenseNet169 لعزل الفقرات العنقية (C1–C7) بدقة.

التحديد الموضعي باستخدام Faster R-CNN مع DenseNet169-FPN لرسم المربعات المحيطة وتحديد مواقع الكسور.

أظهرت النتائج كفاءة عالية؛ إذ بلغت دقة نموذج التصنيف %98.3، ومعامل التشابه (Dice) لنموذج التقسيم %91.56، بينما حقق نموذج التحديد الموضعي دقة كلية %94.98. تؤكد هذه النتائج أن الإطار المقترح يعزز أتمتة التشخيص ويساعد في تسريع ودقة الكشف عن الكسور، مما يخفف العبء عن أطباء الأشعة ويحسن المخرجات السريرية ورعاية المرضى.

وقد تم قبول الأطروحة لكونها مستوفية لمتطلبات نيل شهادة الماجستير.

The Master’s thesis defense of Abbas Abdulkhudhur Mohammed was held in the Department of Biomedical Engineering on Tuesday, September 2, 2025, for his thesis entitled:

“Enhanced Detection of Cervical Spine Fractures using Artificial Intelligence”

The examination committee consisted of:

• Chair: Assoc. Prof. Ikhlas Kazem Hamzah – College of Engineering / University of Technology

• Member: Assoc. Prof. Israa Badr Nasser – College of Engineering / Al-Nahrain University

• Member: Asst. Prof. Alaa A’ed Jabr – College of Engineering / Al-Nahrain University

Supervisors:

• Assoc. Prof. Hadeel Qasim Wadi – College of Engineering / Al-Nahrain University

• Assoc. Prof. Abdul-Latif Ali Asghar Mustafa – College of Medicine / Al-Mustansiriyah University

Scientific Evaluation:

• First Reviewer: Assoc. Prof. Noor Kamal Mohsen – Al-Khwarizmi College of Engineering / University of Baghdad

• Second Reviewer: Assoc. Prof. Shaimaa Safa’ Al-Deen Bahaa Al-Deen – College of Engineering / Al-Nahrain University

Linguistic Review:

• Asst. Prof. Mais Uday Abdulrasool – College of Engineering / Al-Nahrain University

Study Objective:
This research aims to develop a multi-stage framework based on deep learning techniques for the automated detection and localization of cervical spine fractures in computed tomography (CT) images with high accuracy, using a 2.5D approach to integrate contextual information from consecutive slices.

Proposed Framework:

1. Classification using DenseNet121 to detect fracture presence, supported by Grad-CAM for visual interpretability.

2. Segmentation through DenseNet169 to accurately isolate cervical vertebrae (C1–C7).

3. Localization with Faster R-CNN combined with DenseNet169-FPN to draw bounding boxes and pinpoint fracture sites.

Results:
The framework achieved outstanding performance, with:

• Classification accuracy: 98.3%

• Dice similarity coefficient for segmentation: 91.56%

• Overall localization accuracy: 94.98%

Conclusion:
These results confirm that the proposed framework enhances automated diagnosis by improving both the speed and accuracy of cervical spine fracture detection. This reduces the workload on radiologists and contributes to better clinical outcomes and patient care.

The thesis was accepted, having fulfilled all the requirements for the Master’s degree.