Deep Feature Pyramid Convolutional Networks with In-Place Activated Batch Normalization for Automated Skin Lesion Boundary Segmentation

يعد سرطان الجلد، وخاصة النوع الشرس المعروف باسم الميلانوما الخبيثة، سبباً رئيسياً للوفاة الناجمة عن أورام الجلد في جميع أنحاء العالم. وبينما يعتمد الأطباء على الفحص البصري لتشخيص هذه الحالات، فإن هذه العملية ليست مثالية بأي حال من الأحوال؛ إذ يمكن للعيون البشرية أن تغفل عن تفاصيل دقيقة، وحتى أطباء الجلد الخبراء غالباً ما يختلفون حول مكان بداية الآفة الخطيرة ونهايتها. هذا اليقين يخلق عنق زجاجة في العيادات ذات الكثافة العالية، حيث يكون التتبع اليدوي لهذه الحدود غير المنتظمة بطيئاً ومملاً وعرضة للخطأ. ولمساعدة هذا المجال، طور العلماء أنظمة حاسوبية مصمقة لتنفيذ هذه المهمة آلياً، باستخدام صور رقمية للجلد لرسم خطوط دقيقة حول النتوءات المشبوهة. ومع ذلك، فإن هذه الصور يصعب على الحواسيب قراءتها بشكل ملحوظ؛ فهي غالباً ما تحتوي على حواف ضبابية، وتباين منخفض، وعوائق مشتتة مثل الشعر، أو الأوعية الدموية، أو فقاعات الهواء التي تخفي الشكل الحقيقي للآفة. ويكمس التحدي في تعليم الآلة كيفية تجاهل هذه المشتتات وإيجاد الحدود الدقيقة للأنسجة السرطانية بنفس العناية التي يوليها المتخصص البشري.

في دراسة حديثة ركزت على مسابقة دولية كبرى لتحليل آفات الجلد، تناول الباحث غليب كيتشين هذه المشكلة من خلال بناء برنامج حاسوبي متخصص مصمم لتقسيم، أو فصل، الآفة عن الجلد المحيط بها. لم يكن الهدف بالضرورة هو إنشاء أقوى نظام تم بناؤه على الإطلاق، بل حل مشكلة عملية محددة: وهي كيفية تدريب نموذج حاسوبي معقد ودقيق للغاية عندما تكون ذاكرة الحاسوب المتاحة محدودة. إن نماذج التعلم العميق، التي تعد المحركات وراء تحليل الصور الحديث، تتطلب عادةً كميات هائلة من الذاكرة للتعلم؛ فهي تعمل من خلال معالجة الصورة عبر طبقات عديدة من العمليات الرياضية، ولكي تتعلم من أخطائها، يجب عليها الاحتفاظ بسجل لكل خطوة وسيطة اتخذتها. هذا السجل يستهلك مساحة تخزين رقمية ضخمة، مما يجبر الباحثين غالباً على استخدام صور أقل تفصيلاً أو تدريب نماذج أبسط وأقل دقة. وتثبت أعمال كيتشين طريقة لتجاوز هذا القيد، مما يسمح بنهج أكثر قوة دون الحاجة إلى أجهزة حوسبة فائقة باهظة الثمن.

طور الباحث نظاماً يعتمد على بنية رؤية حاسوبية شائعة تُعرف باسم (U-Net)، والتي تعمل كشارع ذي اتجاهين لبيانات الصور. أحد جانبي الشارع، وهو "المُشفّر" (encoder)، ينظر إلى الصورة لفهم ميزاتها العامة، بينما يستخدم الجانب الآخر، وهو "المُفكك" (decoder)، هذا الفهم لإعادة بناء خريطة دقيقة لحدود الآفة. ولجعل هذا النظام أكثر ذكاءً، زود الباحث بـ "أدمغة" خلفية مختلفة مسبقة التدريب، تسمى (backbones)، وهما (Wide ResNet38) و(Dual Path Network). كانت هذه الخلفيات قد تعلمت بالفعل التعرف على الأشياء العامة من ملايين الصور، مما منحها انطلاقة في فهم الأشكال والأنسجة الموجودة في صور الجلد. ثم تم دمج هذين المنظورين المختلفين باستخدام "شبكة الهرم الميزاتي" (feature pyramid network)، وهي طريقة تدمج المفاهيم الواسعة عالية المستوى مع الميزات المحلية الدقيقة لإنشاء صورة كاملة للآفة.

كان الابتكار الحاسم في هذا العمل تقنية تسمى "التطبيع الدفعي المنشط في المكان" (In-Place Activated Batch Normalization). في التدريب الحاسوبي القياسي، يخزن النظام مجموعتين منفصلتين من البيانات في الذاكرة: نتائج خطوة التطبيع (normalization) ونتائج خطوة التنشيط (activation)، اللتين يتم تنفيذهما واحدة تلو الأخرى. هذا التكرار يضاعف الذاكرة المطلوبة لهذه العمليات المحددة. وتقوم التقنية الجديدة بدمج هاتين الخطوتين في إجراء واحد يقوم بالكتابة فوق البيانات القديمة بالبيانات الجديدة في نفس مساحة الذاكرة. إنها خدعة رياضية ذكية تسمة للحاسوب باستعادة المعلومات اللاحة لاحقاً دون الحاجة لحفظ نسخة ثانية. وقد قلل هذا التغيير من استهلاك الذاكرة لعملية التدريب بنسبة تقارب خمسة وعشرين بالمائة. وكان هذا التوفير كبيراً بما يكفي للسماح للباحث بتدريب مجموعة أكبر بكثير من النماذج في وقت واحد. فبدلاً من الاعتماد على برنامج حاسوبي واحد لاتخاذ القرار النهائي، قام النظام بدمج تنبؤات نماذج متعددة، مستخدماً التحقق المتقاطع خماسي الطيات (five-fold cross-validation) وتجميع اللقطات (snapshot ensembling) لإنتاج نتيجة واحدة عالية الموثوقية.

تم قياس نتائج هذا النهج مقابل معيار قياسي مستخدم في هذا المجال. حقق النموذج المجمّع الأفضل أداءً درجة قدرها 0.752 في مقياس محدد مصمم لتقييم مدى مطابقة الخط الخارجي الذي رسمه الحاسوب للحد الحقيقي للآفة. ورغم أن هذه الدرجة مثيرة للإعجاب، فقد حرص الباحث على وضعها في سياقها؛ ولإظهار مدى مساهمة تقنية توفير الذاكرة مقابل القوة المحضة لدمج النماذج المتعددة، قام الباحث أيضاً بإعادة تدريب نموذج واحد مبسط في عام 2026 باستخدام أدوات معيارية حديثة. هذا النموذج الأبسط، الذي لم يستخدم خدعة توفير الذاكرة، ولم يجمع نماذج متعددة، ولم يستخدم التدريب المسبق المتقدم، حقق درجة أقل بلغت 0.668. تشير هذه المقارنة إلى أنه بينما كانت تقنية كفاءة الذا "ضرورية" لجعل هذا النظام الكبير ممكناً، إلا أن أكبر دفعة في الدقة جاءت من استراتيجية دمج النماذج المتعددة واستخدام المعرفة المدربة مسبقاً، وليس من خدعة التطبيع وحدها.

تخلص الدراسة إلى أن هذا النهج الموفر للذاكرة يعد حلاً عملياً للباحثين الذين يعملون بموارد حوسبة محدودة. فمن خلال تقليل بصمة الذاكرة، يصبح من الممكن تدريب أنظمة معقدة وعالية السعة كان من المستحيل تشغيلها لولا ذلك على بطاقات رسوميات قياسية. ولا يدعي هذا العمل أنه حل مشكلة تشخيص سرطان الجلد، كما أنه لا يقدم أداة مستقلة ليستخدمها الأطباء فوراً. بدلاً من ذلك، فإنه يوثق إنجازاً هندسياً محدداً يسمح بتقسيم أفضل لآفات الجلد تحت قيود صارمة. وتسلط النتائج الضوء على أننا في السباق لتحسين التصوير الطبي، قد لا يكون الاختراق الأكثر أهمية هو جعل الخوارزمية أكثر ذكاءً فحسب، بل جعلها كفؤة بما يكفي لتعمل على الإطلاق. وتفتح هذه الكفاءة الباب أمام أنظمة أكثر قوة يمكنها التعامل مع الواقع الفوضوي والمتغير لجلد الإنسان، مما يقرب التشخيص الآلي من الواقع السريري.