Multi-Plane Vision Transformer for Hemorrhage Classification Using Axial and Sagittal MRI Data
تقترح هذه الورقة نموذج "محول الرؤية متعدد المستويات" (MP-ViT) الذي يستخدم مشفرات منفصلة وآليات انتباه متقاطع لدمج بيانات التصوير بالرنين المغناطيسي للمحاور السهمية والجانبية بفعالية لتصنيف نزيف الدماغ، محققاً أداءً فائقاً على نماذج "محول الرؤية" (ViT) والشبكات العصبية التلافيفية (CNN) الحالية على مجموعة بيانات سريرية كبيرة دون الحاجة إلى إعادة أخذ العينات.
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
تخيل أنك تحاول تحديد نوع معين من البقع على قطعة قماش ثلاثية الأبعاد ومعقدة. لكي ترى البقعة بوضوح، قد تحتاج إلى النظر إليها من الأعلى (منظر محوري/Axial) ومن الجانب (منظر سهمي/Sagittal). أحياناً، تكون البقعة واضحة من الأعلى ولكنها مخفية من الجانب، والعكس صحيح.
في عالم الطب، يستخدم الأطباء فحوصات الرنين المغناطيسي (MRI) للبحث عن نزيف الدماغ. ومع ذلك، فإن هذه الفحوصات معقدة؛ فهي تأتي في "اتجاهات" مختلفة (مثل النظر إلى الدماغ من الأعلى أو من الجب)، وأحياناً قد يمتلك الطبيب المنظر العلوي فقط أو المنظر الجانبي فقط لمريض معين.
الطريقة القديمة: محاولة وضع وتد مربع في ثقب مستدير
تقليدياً، تكون البرامج الحاسوبية (الذكاء الاصطناعي) التي تحلل هذه الصور متطلبة للغاية. فهي تطلب عادةً أن يتم تسطيح كل صورة وإعادة تغيير حجمها لتبدو متطابقة تماماً، كما لو كنت تحاول ضغط جسم ثلاثي الأبعاد ليصبح صورة ثنائية الأبعاد مسطحة.
- المشكلة: إذا أخذت صورة رنين مغناطيسي من منظور جانبي وأجبرتها على أن تبدو مثل صورة من منظور علوي، فسيتعين عليك مط أو ضغط البكسلات. تسمى هذه العملية "إعادة أخذ العينات" (Resampling). إنها تشبه محاولة وضع مزهرية طويلة ونحيفة في صندوق قصير وعريض عن طريق سحقها. أنت تفقد تفاصيل مهمة، وقد يغفل الذكاء الاصطناعي عن النزيف لأن الصورة تعرضت للتشويه.
الحل الجديد: MP-ViT (محول الرؤية متعدد المستويات)
بنى مؤلفو هذه الورقة نموذج ذكاء اصطناعي جديداً يسمى MP-ViT. فكر في هذا النموذج كفريق من اثنين من المحققين الخبراء الذين يعملون معاً، بدلاً من محقق واحد يحاول القيام بكل شيء بمفرده.
عينان متخصصتان: بدلاً من إجبار الصور على تغيير شكلها، يحتوي MP-ViT على "عقلين" منفصلين (مشفرات/Encoders).
- عقل واحد خبير في النظر إلى المقاطع المحورية (من الأعلى إلى الأسفل).
- والعقل الآخر خبير في النظر إلى المقاطع السهمية (المنظر الجانبي).
- ينظر كل منهما إلى الصور كما هي تماماً، دون ضغط أو مط. وبذلك لا تضيع أي معلومات.
"المصافحة" (الانتباه المتقاطع/Cross-Attention): بعد أن يقوم كل محقق بتحليله الخاص، لا يكتفي بمجرد الصراخ باستنتاجه، بل يعقدان اجتماعاً خاصاً يسمى "الانتباه المتقاطع".
- يقول خبير المنظر المحوري: "أرى شيئاً مريباً هنا".
- فيرد خبير المنظر السهمي: "أوه، بالنظر إلى نفس البقعة من الجانب، يمكنني التأكيد على ذلك".
- يقومان بدمج ملاحظاتهما لاتخاذ قرار أكثر ذكاءً وثقة مما يمكن لأي منهما اتخاذه بمفرده.
دليل "القطعة المفقودة" (متجه النمط/Modality Vector): أحياناً، تكون صور المريض غير مكتملة. ربما لديهم المنظر العلوي ولكنهم نسوا المنظر الجانبي، أو ربما يفتقر المريض لنوع معين من صبغة التباين.
- للتعامل مع هذا، يستخدم النموذج "بطاقة هوية" خاصة (متجه مؤشر النمط). إنه يشبه قائمة مرجعية يحملها النموذج: "لدينا المنظر العلوي (تم التحقق)، ولكن لا يوجد منظر جانبي (فارغ)".
- هذا يخبر الذكاء الاصطناعي: "مهلاً، أنت تفتقد قطعة من اللغز، فلا داعي للذعر. فقط استخدم ما لديك وعدّل تفكيرك بناءً على ذلك". وهذا يجعل النموذج قوياً جداً، حتى عندما تكون البيانات فوضوية أو غير مكتملة.
النتائج: من فاز في السباق؟
اختبر الباحثون هذا الفريق الجديد (MP-ViT) مقابل نماذج ذات عقل واحد (مثل محولات الرؤية القياسية والشبكات العصبية الالتفافية CNN) باستخدام مجموعة بيانات ضخمة تضم أكثر من 12,000 مريض.
- النتيجة: فاز MP-ViT في السباق. لقد كان أفضل بكثير في اكتشاف النزيف مقارنة بالنماذج الأخرى.
- الأرقام: حقق تحسناً في الدقة (مقاسة بدرجة تسمى AUC) بنسبة تقارب 5.5% مقارنة بمحول الرؤية القياسي، وبنسبة 1.8% مقارنة بأفضل نماذج الذكاء الاصطناعي التقليدية.
- الدليل: حتى عندما قام الباحثون بإزالة "دليل القطعة المفقودة" (متجه النمط)، ظل النموذج يعمل بشكل جيد، لكن إضافة هذا الدليل جعلته أفضل بكما. وهذا يثبت أن النموذج ذكي بما يكفي للتعامل مع الفوضى في العالم الحقيقي.
لماذا هذا مهم (وفقاً للورقة البحثية)
تؤكد الورقة أن هذا النهج أمر بالغ الأهمية لأن بيانات المستشفيات في العالم الحقيقي نادراً ما تكون مثالية. فالأجهزة من الشركات المصنعة المختلفة تنتج صوراً بأشكال وأحجام مختلفة، وغالباً ما يقوم الأطباء بفحص المرضى في اتجاهات مختلفة.
من خلال السماح للذكاء الاصطناعي بالنظر إلى الصور في "شكلها" الطبيعي (علوي أو جانبي) والسماء لهذه المناظير بالتواصل فيما بينها، يتجنب MP-ViT مشكلة "سحق المزهرية". فهو يحافظ على جميع التفاصيل الحرجة سليمة، مما يؤدي إلى أداة أكثر موثوقية للكشف عن نزيف الدماغ، خاصة عندما تأتي البيانات في أشكال متنوعة أو ينقصها بعض القطع.
باختختصار:
تقدم الورقة بحثاً عن ذكاء اصطناعي أكثر ذكاءً لا يجبر الصور الطبية على تغيير شكلها. بدلاً من ذلك، يستخدم "عينين" متخصصتين للنظر إلى زوايا مختلفة في آن واحد، و"قائمة مرجعية" خاصة للتعامل مع البيانات المفقودة، مما يؤدي إلى طريقة أكثر دقة للعثور على نزيف الدماغ.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.