تمت في قسم هندسة الطب الحياتي / كلية الهندسة – جامعة النهرين مناقشة طالبة الماجستير (حنين صالح حسن) عن رسالتها الموسومة:

"Biotribological Analysis of Hip Joint Using Artificial Intelligence "

(التحليل الترايبولوجي الحيوي لمفصل الفخذ باستخدام الذكاء الاصطناعي)

تألفت لجنة المناقشة من السادة:

• أ.م.د. حسنين علي لفتة - رئيساً

• أ.م.د. أسيل محمد علي حسين - عضواً

• د. أميمة رائد خيري - عضواً

• أ.د. صادق جعفر عباس – عضوا ومشرفا 

هدفت الدراسة إلى تطوير نموذج ذكاء اصطناعي موثوق ومفسَّر لتقييم والتنبؤ بالتآكل التراكمي لحجم مفصل الفخذ الاصطناعي على مدى خمس سنوات. وتكمن أهمية البحث في دمج الفيزياء الترايبولوجية الميكانيكية (مثل قوانين التآكل التزييت) مع خوارزميات تعلم الآلة، لتزويد المهندسين والأطباء والجراحين بأداة تنبؤية دقيقة تساعد في تقييم العمر الافتراضي للمفصل وتفادي الفشل الجراحي المبكر.

تضمنت الرسالة تقديم بناء برمجي صارم لمنع تسريب البيانات (Leakage-safe Pipeline) واختزال المتغيرات الفيزيائية المترابطة، مع مقارنة أداء عدة خوارزميات (Random Forest, Gradient Boosting, SVR, Linear Regression). وتميزت المنهجية بـإخضاع النموذج لاختبار التحقق المتقاطع المتداخل (5-Fold Nested Cross-Validation)  لضمان دقة التعميم السريري. وتطبيق أسلوب التنبؤ التوافقي المجزأ (Split  Conformal Prediction) لتوفير فترات ثقة بنسبة 90% حول كل تنبؤ. كما تم استخدام تقنيات SHAP وPermutation Importance لتفسير مخرجات النموذج وبيان الأهمية النسبية لكل متغير فيزيائي وسريري. وتم تطبيق مؤشرات Sobol وطريقة Morris لمعرفة أكثر المعاملات الفيزيائية حسمًا وتأثيراً على معدلات التآكل والتزييت. 

أظهرت نتائج الدراسة كفاءة عالية للنموذج المقترح في التنبؤ ببدائل التآكل مما يعزز إمكانية توظيفه في التطبيقات الطبية والهندسية لدعم القرارات الجراحية وتصميم المفاصل الاصطناعية.

وتم قبول الرسالة لكونها مستوفية لمتطلبات نيل شهادة الماجستير في تخصص هندسة الطب الحياتي

The Master’s thesis defense of Haneen Saleh Hassan was held at the Department of Biomedical Engineering, College of Engineering, Al-Nahrain University. Her thesis was entitled:

“Biotribological Analysis of Hip Joint Using Artificial Intelligence”

The examination committee consisted of:

• Asst. Prof. Dr. Hassanein Ali Lafta – Chair
• Asst. Prof. Dr. Aseel Mohammed Ali Hussein – Member
• Dr. Omaima Raed Khairi – Member
• Prof. Dr. Sadiq Jaafar Abbas – Member and Supervisor

The study aimed to develop a reliable and interpretable artificial intelligence model for assessing and predicting the cumulative wear volume of an artificial hip joint over a five-year period. The significance of the research lies in integrating mechanical biotribological physics, such as wear and lubrication laws, with machine-learning algorithms to provide engineers, physicians, and surgeons with an accurate predictive tool for evaluating the service life of artificial joints and preventing early surgical failure.

The thesis presented a rigorous leakage-safe computational pipeline and reduced correlated physical variables, while comparing the performance of several algorithms, including Random Forest, Gradient Boosting, Support Vector Regression (SVR), and Linear Regression. The methodology was distinguished by the use of 5-Fold Nested Cross-Validation to ensure reliable clinical generalization. Split Conformal Prediction was also applied to provide 90% prediction intervals for each prediction.

In addition, SHAP and Permutation Importance techniques were employed to interpret the model outputs and determine the relative importance of each physical and clinical variable. Sobol indices and the Morris method were used to identify the most critical physical parameters influencing wear and lubrication rates.

The study results demonstrated the high efficiency of the proposed model in predicting wear-related outcomes, enhancing its potential for application in medical and engineering fields to support surgical decision-making and the design of artificial joints.

The thesis was accepted as it fulfilled the requirements for the award of a Master’s degree in Biomedical Engineering.