💻 computer science

VR-FuseNet: A Fusion of Heterogeneous Fundus Data and Explainable Deep Network for Diabetic Retinopathy Classification

تقدم هذه الورقة البحثية VR-FuseNet، وهو نموذج تعلم عميق هجين يدمج بنيتي VGG19 وResNet50V2 مع مجموعة بيانات متعددة المصادر متوازنة ومعالجة مسبقاً وتقنيات الذكاء الاصطناعي القابل للتفسير لتحقيق دقة تبلغ 91.824% وكشف قابل للتفسير سريرياً لمرض اعتلال الشبكية السكري.

المؤلفون الأصليون: Shamim Rahim Refat, Ziyan Shirin Raha, Shuvashis Sarker, Faika Fairuj Preotee, MD. Musfikur Rahman, Tashreef Muhammad, Mohammad Shafiul Alam

نُشر 2026-03-03

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Shamim Rahim Refat, Ziyan Shirin Raha, Shuvashis Sarker, Faika Fairuj Preotee, MD. Musfikur Rahman, Tashreef Muhammad, Mohammad Shafiul Alam

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

إليك شرح لورقة بحث VR-FUSENET، مقسمة إلى مفاهيم بسيطة مع تشبيهات إبداعية.

🩺 الصورة الكبيرة: "طبيب العيون الرقمي"

تخيل أن عينيك مثل كاميرا عالية الدقة. اعتلال الشبكية السكري (DR) يشبه تسربًا بطيئًا في أسلاك هذه الكاميرا ناتجًا عن ارتفاع مستويات السكر في الدم. مع مرور الوقت، يسبب هذا التسرب بقعًا صغيرة، ونزيفًا، ومناطق ضبابية على العدسة (الشبكية). إذا لم تكتشف الأمر مبكرًا، فقد تتوقف الكاميرا عن العمل تمامًا (العمى).

المشكلة؟ الأطباء البشريون مشغولون. لا يمكنهم فحص ملايين صور العيون يوميًا دون الشعور بالتعب أو تفويت بقعة صغيرة جدًا.

تقدم هذه الورقة البحثية "طبيب عيون رقمي" جديدًا يسمى VR-FuseNet. وهو برنامج حاسوبي ذكي للغاية مصمم لفحص صور العين، وتحديد مكان الضرر، وإخبار الطبيب بدقة مدى سوء الحالة، مع شرح لماذا اتخذ هذا القرار.

🧩 الوصفة: كيف صنعوه؟

لم يقم الباحثون ببناء نموذج واحد فحسب؛ بل طبخوا وصفة خاصة باستخدام خمسة مكونات مختلفة (مجموعات بيانات). إليك كيف فعلوا ذلك:

1. جمع المكونات (مجموعة البيانات الهجينة)

تخيل أنك تحاول تعلم كيفية التعرف على "القطة" من خلال النظر فقط إلى صور القطط في غرفة معيشتك. قد تصاب بالارتباك إذا رأيت قطة في شجرة أو قطة ترتدي قبعة.

المشكلة: معظم نماذج الذكاء الاصطناي تُدرب على نوع واحد فقط من صور العين. لذا تصاب بالارتباك عندما تتغير الإضاءة أو يتغير نوع الكاميرا.
الحل: جمع الفريق خمس مجموعات بيانات عامة مختلفة (مثل APTOS و DDR و IDRiD، إلخ). فكر في الأمر كجمع صور للقطط من غرفة المعيشة، والمنتزه، والعيادة البيطرية، ومن مجلة.
النتيجة: "مجموعة بيانات هجينة" ضخمة ومتنوعة. إنها تُعلم الذكاء الاصطناعي التعرف على ضرر الشبكية بغض النظر عن المكان الذي التُقطت فيه الصورة.

2. تحضير المكونات (المعالجة المسبقة)

البيانات الخام غالبًا ما تكون فوضوية. بعض الصور مظلمة للغاية، وبعضها يحتوي على أمثلة قليلة جدًا للأمراض الشديدة.

تنظيف العدسة (CLAHE): استخدموا تقنية تسمى CLAHE. تخيل أنك تأخذ صورة ضبابية وتستخدم مرشحًا خاصًا لزيادة التباين بحيث تصبح الشقوق الصغيرة في العدسة مرئية.
موازنة الميزان (SMOTE): في البيانات، كان هناك عدد أكبر بكثير من العيون "السليمة" مقارنة بالعيون "المريضة". الأمر يشبه امتلاك 100 صورة لقطط سليمة و5 صور فقط لقطط مريضة. سيقوم الذكاء الاصطناعي بمجرد التخمين بأنها "سليمة" في كل مرة ليكون محقًا. استخدموا SMOTE لإنشاء صور "مزيفة" ولكن واقعية للعيون المريضة لموازنة الكفة، حتى يتعلم الذكاء الاصطناعي رصد المرض أيضًا.

3. القوة الذهنية (VR-FuseNet)

هذا هو نجم العرض. بدلًا من استخدام عقل واحد فقط، قاموا بدمج "عقلين" مشهورين للذكاء الاصطناعي (شبكات عصبية) في عقل خارق واحد.

VGG19 (محقق التفاصيل): هذا النموذج بارع في رؤية التفاصيل الدقيقة والصغيرة. فكر فيه كعدسة مكبرة ترصد قطرة دم واحدة.
ResNet50V2 (مفكر الصورة الكبيرة): هذا النموذج بارع في فهم الهيكل العام والأنماط العميقة. فكر فيه كمهندس معماري يرى كيف يتصل المبنى بأكمله.
الدمج (The Fusion): قاموا بلصق هذين الاثنين معًا. يستخدم VR-FuseNet العدسة المكبرة و مخطط المهندس المعماري في آن واحد. إنه ينظر إلى البقع الصغيرة و الصورة الكبيرة في نفس الوقت، مما يجعله أذكى بكثير من استخدام نموذج واحد.

🔍 مشكلة "الصندوق الأسود" (الذكاء الاصطناعي القابل للتفسير)

عادةً ما يكون الذكاء الاصطناعي "صندوقًا أسود". تعطيه صورة، فيقول لك "مريض"، لكنه لا يخبرك لماذا. لا يمكن للأطباء الوثوق بآلة إذا لم يعرفوا سبب استنتاجها.

أضاف المؤلفون أدوات XAI (الذكاء الاصطناعي القابل للتفسير). تخيل أن الذكاء الاصطناዊ لا يعطيك تشخيصًا فحسب، بل يضع قلم تحديد (هايلايتر) أحمر متوهج فوق الصورة.

Grad-CAM وأصدقاؤه: هذه خمسة أقلام تحديد مختلفة. هي تضيء بالضبط المكان الذي ينظر إليه الذكاء الاصطناعي.
النتيجة: يرى الطبيب الصورة مع توهج أحمر فوق "التوسع الوعائي الدقيق" (microaneurysms) أو "النزيف" (hemorrhages). يقول الذكاء الاصطناعي: "أعتقد أن هذه حالة شديدة لأن النزيف موجود هنا"، ويمكن للطبيب التحقق من ذلك قائلاً: "نعم، أنت محق". هذا يبني الثقة.

🏆 لوحة النتائج: هل نجح الأمر؟

اختبر الفريق "طبيب العيون الرقمي" الجديد الخاص بهم مقابل نماذج أخرى.

الدقة (Accuracy): أصاب التشخيص بنسبة 91.8% من المرات.
الدقة المحددة (Precision): عندما قال "مريض"، كان محقًا بنسبة 92.6% من المرات.
المقارنة: لقد تفوق على كل نموذج آخر اختبروه (مثل VGG16 و ResNet و MobileNet) بمفرده. نهج "الدمج" (Fusion) كان هو الفائز.

🚧 ما الخطوة التالية؟ (القيود والمستقبل)

على الرغم من كونه رائعًا، إلا أن الورقة تعترف بأنه ليس مثاليًا بعد:

إنه ثقيل: النموذج مكلف حاسوبيًا (يحتاج إلى كمبيوتر قوي). لم يتمكنوا من استخدام تقنية "Transformer" الأحدث لأنها ثقيلة جدًا على الأجهزة الحالية.
الواقع مقابل المختبر: لقد دربوه على مجموعات بيانات عامة. المستشفيات الحقيقية لديها كاميرات وإضاءة مختلفة. العمل المستقبلي يحتاج لاختباره في عيادات فعلية.
المزيد من البيانات: يخططون لاستخدام "الذكاء الاصطناعي التوليدي" (مثل GANs) لإنشاء المزيد من صور العيون المريضة المزيفة لجعل الذكاء الاصطناعي أكثر ذكاءً في رصد الحالات النادرة.

💡 الخلاصة

VR-FUSENET يشبه توظيف فريق من اثنين من المحققين الخبراء (واحد للتفاصيل وآخر للأنماط) يعملون معًا لحل لغز طبي. هم لا يعطون إجابة فحسب، بل يوضحون عملهم باستخدام قلم تحديد، مما يجعل من السهل والآمن للأطباء البشريين الوثوق بهم. قد يعني هذا الكشف المبكر للملايين، وإنقاذ بصرهم قبل فوات الأوان.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "VR-FUSENET: دمج بيانات قاع العين غير المتجانسة والشبكة العميقة القابلة للتفسير لتصنيف اعتلال الشبكية السكري."

1. بيان المشكلة

يعد اعتلال الشبكية السكري (DR) سبباً رئيسياً لفقدان البصر والعمى بين مرضى السكري، ويتميز بتلف في الأوعية الدموية في الشبكية (مثل التوسعات الوعائية الدقيقة، النزيف، والنضحات). يعد الكشف المبكر أمراً حاسماً للتدخل العلاجي. ومع ذلك، تواجه طرق الكشف الآلي الحالية عدة تحديات كبيرة:

عدم توازن البيانات: غالباً ما تحتوي مجموعات البيانات العامة على توزيعات منحازة لفئات شدة اعتلال الشبكية (على سبيل المثال، حالات أقل في الحالات الشديدة مقارنة بحالات عدم وجود اعتلال أو الاعتلال الخفيف).
نقص التعميم: النماذج التي يتم تدريبها على مجموعات بيانات واحدة غالباً ما تفشل في التعميم عبر أجهزة التصوير المختلفة، والإعدادات السريرية، والديموغرافيا السكانية.
محدودية القابلية للتفسير: تعمل نماذج التعلم العميق غالباً كـ "صناديق سوداء"، مما يفتقر إلى القدرة على التفسير المطلوبة للاعتماد السريري.
قيود استخراج الميزات: قد تعاني النماذج ذات البنية الواحدة من صعوبة في التقاط كل من التفاصيل المكانية الدقيقة والميزات السياقية الهرمية العميقة في آن واحد.

2. المنهجية

يقترح المؤلفون إطار عمل شاملاً يتضمن هندسة البيانات، وبنية تعلم عميق هجينة مبتكرة، وتحليلاً واسع النطاق للقابلية للتفسير.

أ. هندسة البيانات

بناء مجموعة بيانات هجينة: تدمج الدراسة خمس مجموعات بيانات متاحة علناً لإنشاء مجموعة بيانات قوية وغير متجانسة:
1. APTOS 2019
2. DDR
3. IDRiD
4. Messidor 2
5. Retino
- الإجمالي: حوالي 28,000+ صورة تغطي 5 مستويات من الشدة (لا يوجد اعتلال، خفيف، متوسط، شديد، وتكاثري).
خط معالجة الصور المسبقة:
- تقنية SMOTE (تقنية الإفراط في أخذ العينات الدنيا الاصطناعية): تم تطبيقها في فضاء الميزات (باستخدام التضمينات العميقة) بدلاً من البكسلات الخام لمعالجة عدم توازن الفئات دون تشويه الأنماط الطبية.
- تقنية CLAHE (تعديل الهيستوجرام التكيفي المحدود بالتباين): طُبقت على قناة السطوع (L) في مساحة الألوان LAB لتعزيز التباين المحلي ووضوح الآفات (التوسعات الوعائية الدقيقة، النضحات) دون تضخيم الضوضاء.
- التطبيع وتغيير الحجم: تم تغيير حجم الصور إلى $128 \times 128$ بكسل وتطبيعها.
- التقسيم: 80% للتدريب، 10% للتحقق، 10% للاختبار.

ب. النموذج المقترح: VR-FuseNet

المساهمة الجوهرية هي VR-FuseNet، وهي بنية هجينة تدمج شبكتين عصبيتين تلافيفيتين (CNNs) من أحدث التقنيات:

VGG19: تم اختيارها لقدرتها على التقاط الميزات المكانية الدقيقة نظراً لتراكمها العميق من المرشحات التلافيفية الصغيرة ( $3 \times 3$ ).
ResNet50V2: تم اختيارها لقدراتها في استخراج الميزات الهرمية العميقة عبر اتصالات المتبقي (residual connections)، والتي تخفف من مشكلة تلاشي التدرج وتلتقط الميزات المجردة عالية المستوى.
آلية الدمج:
1. تتم معالجة صور الإدخال عبر كل من VGG19 و ResNet50V2.
2. يتم استخراج متجهات الميزات وحشوها لتتطابق الأبعاد.
3. تُستخدم استراتيجية التباين الأقصى المتوازية لدمج خرائط الميزات، مما يخلق تمثيلاً كثيفاً ( $q \times 2560$ ).
4. تمر الميزات المدمجة عبر طبقات إضافية من Conv2D، وتطبيع الدفعات (Batch Normalization)، وتجميع الحد الأقصى (Max Pooling)، وطبقات متصلة بالكامل (256 و 64 عصبوناً) مع استخدام Dropout لمنع الإفراط في التخصيص (Overfitting).
5. تقوم طبقة Softmax النهائية بتصنيف مستويات شدة اعتلال الشبية الخمسة.

ج. الذكاء الاصطناعي القابل للتفسير (XAI)

لضمان الثقة السريرية، تنفذ الدراسة وتقارن بين خمس تقنيات تعتمد على التدرج (Gradient-based) لتصور المناطق التي تؤثر على التنبؤات:

Grad-CAM: رسم خرائط تنشيط الفئة القياسي.
Grad-CAM++: تحسين تحديد المواقع لكائنات متعددة.
Layer-CAM: تولد خرائط من طبقات متعددة لتحديد المواقع الدقيق.
Score-CAM: يستخدم درجات الثقة في التمرير الأمامي بدلاً من التدرجات لتقليل الضوضاء.
Faster Score-CAM: نسخة محسنة تختار القنوات ذات التباين العالي لتقليل التكلفة الحسابية.

3. المساهمات الرئيسية

إنشاء مجموعة بيانات هجينة: دمج خمس مجموعات بيانات متنوعة بنجاح لتقليل الانحياز وتحسين قدرة النموذج على التعميم عبر ظروف التصوير المتنوعة.
بنية VR-FuseNet: اقترحت دمجاً هجيناً بين VGG19 و ResNet50V2 يستفيد من نقاط القوة المتكاملة (التفاصيل المحلية مقابل السياق العالمي)، متفوقة بذلك على النماذج الفردية.
تقييم شامل للذكاء الاصطناعي القابل للتفسير (XAI): قارنت بشكل منهجي بين خمس تقنيات XAI لتحديد التقنية الأكثر فعالية في تسليط الضوء على أمراض الشبكية المحددة (التوسعات الوعائية الدقيقة، النزيفات) للتحقق السريري.
تقييم خط الأساس الصارم: تم تقييم النماذج الفردية (VGG16, VGG19, ResNet50V2, MobileNetV2, Xception) على كل مجموعة من مجموعات البيانات الخمس بشكل منفصل قبل اختبارها على المجموعة الهجينة.

4. النتائج

تم تقييم نموذج VR-FuseNet المقترح على مجموعة البيانات الهجينة ومقارنته بالبنيات الفردية.

مقاييس الأداء (مجموعة البيانات الهجينة):
- الدقة (Accuracy): 91.824%
- الدقة المحددة (Precision): 92.612%
- الاستدعاء (Recall): 92.233%
- مقياس F1 (F1-Score): 92.392%
- المساحة تحت المنحنى (AUC): 98.749%
التحليل المقارن:
- تفوق VR-FuseNet على جميع النماذج الفردية (VGG16, VGG19, ResNet50V2, MobileNetV2, Xception) في جميع المقاييس.
- من بين النماذج الفردية، حقق VGG19 أفضل أداء على مجموعة البيانات الهجينة (90.935% دقة)، يليه VGG16، لكن كلاهما تم تجاوزه بواسطة النموذج المدمج.
- أثبتت استراتيجية الدمج فعاليتها في معالجة عدم تجانس مجموعة البيانات، مما أظهر تعميماً فائقاً.
نتائج XAI:
- وفرت Grad-CAM++ و Faster Score-CAM أكثر الخرائط الحرارية دقة وتركيزاً، حيث نجحتا في تسليط الضوء على الميزات المرضية مثل التوسعات الوعائية الدقيقة والنضحات.
- أكدت التفسيرات المرئية أن النموذج كان ينتبه إلى المناطق ذات الصلة سريرياً وليس إلى العيوب (Artifacts).

5. الأهمية والعمل المستقبلي

الأثر السريري: يجعل الجمع بين الدقة العالية والقابلية القوية للتفسير من VR-FuseNet مرشحاً قوياً لأنظمة دعم القرار السريري، مما يساعد أطباء العيون على اكتشاف اعتلال الشبقية مبكراً والتحقق من تنبؤات الذكاء الاصطناعي.
التعميم: يثبت نهج مجموعة البيانات الهجينة أن التدريب على بيانات متنوعة من مصادر متعددة يحسن بشكل كبير من قوة النموذج مقارنة بالتدريب على مجموعة بيانات واحدة.
القيود والتوجهات المستقبلية:
- التكلفة الحسابية: النموذج الحالي ثقيل؛ يهدف العمل المستقبلي إلى دمج محولات الرؤية (Vision Transformers - ViTs) لالتقاط سياق عالمي أفضل.
- عدم توازن البيانات: رغم استخدام SMOTE، سيبحث العمل المستقبلي في استخدام شبكات GANs لتوليد صور شبكية اصطناعية عالية الجودة لتحقيق توازن أفضل بين الفئات.
- النشر في العالم الحقيقي: ستركز الدراسات المستقبلية على التكيف مع المجال (Domain Adaptation) للتعامل مع اختلافات البيانات السريرية في الواقع (الإضاءة، اختلاف الأجهزة)، ودمج البيانات متعددة الوسائط (التاريخ المرضي، الجينات) لتحقيق دقة تشخيصية أعلى حتى.

في الختام، يمثل VR-FuseNet خطوة مهمة للأمام في الكشف الآلي عن اعتلال الشبكية السكري من خلال حل مشكلات تنوع البيانات بفعالية ومعالجة مشكلة "الصندوق الأسود" عبر ذكاء اصطناعي قابل للتفسير متعدد الأوجه.