Label tree semantic losses for rich multi-class medical image segmentation

ملخص تقني: خسائر الشجرة الدلالية لتقسيم الصور الطبية متعددة الفئات الغنية

بيان المشكلة
يعد التقسيم الدقيق والغني للصور الطبية أمراً حاسماً للتخطيط قبل الجراحة، والملاحة أثناء الجراحة، والتقييم بعد الجراحة. ومع ذلك، فإن طرق التعلم القياسية لمهام التقسيم عادة ما تعاقب جميع أخطاء التصنيف بالتساوي، مما يؤدي إلى الفشل في استغلال العلاقات الدلالية داخل فضاء الملصقات (labels). ويصبح هذا القصور مشكلة متزايدة مع نمو عدد الملصقات لتشمل فئات مختلفة بشكل طفيف (مثل مناطق فرعية معينة في الدماغ أو أنواع الأنسجة). علاوة على ذلك، في التصوير الجراحي والجهود الكبيرة للترميز، غالباً ما تكون البيانات مرمزة بشكل متفرق باستخدام ملصقات "إيجابية فقط"، حيث لا يمكن افتراض أن المناطق غير المرمزة هي خلفية (background). تفتقر النهج الحالية غالباً إلى آليات للاستفادة من التسلسلات الهرمية للملصقات أو التعامل مع غموض البكسلات غير المرمزة بطريقة ذات معنى دلالي.

المنهجية
يقترح المؤلفون إطار عمل يدمج تنظيماً هرمياً للملصقات (شجرة الملصقات) في عملية التدريب عبر دالتي خسارة دلالية متكاملتين. تم تصميم هاتين الخسارتين للعمل مع كل من الإشراف الكثيف (مثل تقسيم الدماغ الكامل) والترميز المتفرق الخالي من الخلفية (مثل التصوير الطيفي الفائق للجراحة العصبية).

1. خسارة التقسيم القائمة على مسافة واسرستاين ($\mathcal{L}_{wass+seg}$):
   تستخدم هذه الخسارة مسافة واسرستاين (النقل الأمثل) لقياس تكلفة تحويل توزيعات الاحتمالات المتوقعة إلى توزيعات الحقيقة الأرضية (ground truth). يتم اشتقاق مصفوفة "المسافة الأرضية" ($M$) من شجرة الملصقات، حيث يتم تعريف المسافة بين عقدتين ورقيتين من خلال طول المسار بينهما في التسلسل الهرمي. هذه الصيغة تعاقب الأخطاء بناءً على شدة الخطأ الدلالي؛ حيث يؤدي تصنيف فئة كأخت بعيدة دلالياً إلى عقوبة أعلى مما لو تم تصنيفها كقريبة دلالياً. وتكون الخسارة النهائية مزيجاً من مسافة واسرستاين وخسارة تقسيم عامة (مثل Dice أو Cross-Entropy).

2. خسارة الإنتروبيا المتقاطعة الدلالية الموزونة بالشجرة ($\mathcal{L}_{twce+seg}$):
   يعمل هذا النهج على توسيع الإنتروبيا المتقاطعة (CE) القياسية من خلال تجميع الاحتمالات عبر جميع العقد في شجرة الملصقات، وليس فقط العقد الورقية. باستخدام مصفوفة مجاورة لتمثيل علاقات الأب والابن، يقوم النموذج بحساب الاحتمالات المجمعة للعقد الداخلية. ثم تُحسب الخسارة كمجموع موزون للإنتروبيا المتقاطة عبر جميع العقد، حيث يتم تعيين أوزان بناءً على هيكل الحواف. يسمح هذا للنموذج بتلقي إشارات إشراف عند مستويات متعددة من التجريد (خشنة ودقيقة).

3. التكامل مع التعلم المتفرق للإيجابيات فقط:
   يتم دمج الخسائر المقترحة في إطار عمل للتدريب باستخدام ترميزات متفرقة وإيجابية فقط (بناءً على Wang et al., 2026). في هذا الإعداد، يتم تدريب النموذج فقط على الفئات الإيجابية المرمزة. أثناء الاستدلال، تقوم آلية كشف الخروج عن التوزيع (OOD detection) بتمييز البكسلات ذات الاحتمال الأقصى المتوقع المنخفض كخلفية. يوسع المؤلفون هذا الأمر من خلال تجميع الاحتمالات عند مستوى هرمي مختار (على سبيل المثال، العقد العلوية) لتحديد عتبة الـ OOD، مما يسمح بكشف أكثر قوة للخلفية دون تدهور الأداء على الفئات الإيجابية.

المساهمات الرئيسية

• دوال خسارة مبتكرة: تقديم خسارتين دلاليتين قائمتين على الشجرة (القائمة على واسرستاين والإنتروبيا المتقاطعة الموزونة بالشجرة) اللتين تشفران صراحةً العلاقات الهرمية للملصقات أثناء التحسين.
• إطار عمل متعدد الاستخدامات: إثبات كيفية تطبيق هذه الخسائر على كل من تقسيم الدماغ الكامل (WBP) ذي الإشراف الكثيف والتصوير الطيفي الفائق للجراحة العصبية (HSI) ذي الإشراف المتفرق، بما في ذلك التكامل مع كشف OOD لتحديد الخلفية.
• تحسين الأداء: تقديم أدلة تجريبية على أن دمج التسلسلات الهرمية للملصقات المستمدة من الخبراء أو التشريح يؤدي إلى إشراف أكثر دلالية وتحسين أداء التقسيم مقارنة بالنماذج المرجعية القياسية.
• القوة في الهياكل الصغيرة: تحسينات محددة لوحظت في الهياكل التشريحية الصغيرة ذات الترميز المحدود، حيث تعاني النماذج المرجعية القياسية غالباً.

النتائج التجريبية
قيم المؤلفون نهجهم في مهمتين متميزتين:

1. تقسيم الدماغ الكامل (WBP): باستخدام بيانات MRI ثلاثية الأبعاد (T1-weighted) من ثلاثة مجموعات بيانات (Mindboggle42, AOMIC, IXI) مع إشراف كامل.
   • النتائج: تفوقت خسارة $\mathcal{L}_{wass+seg}$ المركبة باستمرار على نموذج nnU-Net المرجعي (Dice + CE) وعلى خسارة Generalised Wasserstein Dice. كانت التحسينات أكثر أهمية في المقاييس المتعلقة بالهياكل الصغيرة (Dicesmall, NSDsmall) وتداخل السطح (NSD). وأكد التحليل الإحصائي وجود مكاسب معنوية في مقاييس NSD والهياكل الصغيرة في جميع إعدادات التدريب والاختبار تقريباً.
2. التصوير الطيفي الفائق للجراحة العصبية (HSI): باستخدام ترميزات متفرقة وإيجابية فقط من فيديوهات جراحية داخل العمليات.
   • النتائج: حسن الإطار المقترح الأداء على الفئات العلوية (مثل التمييز بين الأنسجة الطبيعية وغير الطبيعية) مقارنة بالنماذج المرجعية المدربة على العقد الورقية فقط. أظهر الإشراف العلوي الموزون هرمياً ($\mathcal{L}_{twce+seg}$ مع أوزان حواف محددة) دعماً قوياً في الإعداد المتفرق. كشف تحليل مصفوفة الارتباك أن الطرق المقترحة قللت من الأخطاء غير المنطقية دلالياً (مثل الخلط بين الأنسجة الطبيعية وغير الطبيعية) مقارنة بالنموذج المرجعي.

الأهمية والادعاءات
يزعم البحث أن الاستفادة من هيكل فضاء الملصقات كمصدر للمعلومات أمر بالغ الأهمية لمهام التقسيم الغنية، خاصة عند التعامل مع الاختلافات الدقيقة بين الفئات والبيانات المتفرقة. ومن خلال تجاوز العقاب الموحد للأخطاء، تمكن الطرق المقترحة النماذج من ارتكاب "أخطاء أفضل" (أي أخطاء أقرب دلالياً إلى الحقيقة). يؤكد المؤلفون أن نهجهم يحسن النماذج المرجعية القياسية دون الحاجة إلى تعديلات معمارية في شبكات التقسيم (مثل nnU-Net أو U-Net)، مما يجعله امتداداً عملياً لمسارات العمل الحالية. يسد هذا العمل فجوة في التصوير الجراحي، حيث لم يتم استكشاف الإشراف الدلالي الهرمي بهذا الشكل من قبل، ويوفر حلاً قابلاً للتوسع للتدريب على مجموعات بيانات كبيرة ومتفرقة الترميز.