FunduSegmenter: Leveraging the RETFound Foundation Model for Joint Optic Disc and Optic Cup Segmentation in Retinal Fundus Images
تقدم هذه الورقة FunduSegmenter، وهو إطار عمل مبتكر يعمل على تكييف النموذج التأسيسي RETFound باستخدام وحدات متخصصة لتحقيق أداء هو الأفضل في حالته في عملية التجزئة المشتركة للقرص البصري والقعر البصري عبر مجموعات بيانات قاع العين المتنوعة، مما يظهر دقة وقدرة على التعميم متفوقة مقارنة بالنماذج المرجعية الحالية.
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 تنظر إلى خريطة لمدينة ما (صورة لشبكية العين). على هذه الخريطة، يوجد معلمان مهمان للغاية: القرص البصري (الميدان الرئيسي للمدينة حيث تلتقي الطرق) واللقفة البصرية (وهي فجوة أصغر تشبه الوعاء تقع في منتصف هذا الميدان تماماً).
يحتاج الأطباء إلى قياس حجم وشكل هذين المعلمين لرصد أمراض مثل الجلوكوما (المياه الزرقاء). لكن رسم هذه الحدود يدوياً على آلاف الخرائط الضبابية والمعقدة أمر بطيء، ومجهد، وعرضة للخطأ البشري.
هنا يأتي دور FunduSegmenter، وهي أداة ذكاء اصطناعي جديدة مصممة للقيام بهذا الرسم تلقائياً. وإليك كيف تعمل، مشروحة بأسلوب مبسط بعيداً عن المصطلحات المعقدة.
1. المشكلة: "المتخصص" مقابل "العام"
تقليدياً، تكون نماذج الذكاء الاصطناعي مثل المتدربين المتخصصين. يتم تدريبهم على نوع واحد محدد من الخرائط. فإذا عرضت عليهم خريطة لمدينة مختلفة (كاميرا أو مستشفى مختلف)، يصابون بالارتباك ويرتكبون الأخطاء. كما أنهم يحتاجون إلى معلم بشري ليقوم بتسمين كل خريطة يتعلمون منها، وهو أمر يستغرق وقتاً طويلاً جداً.
2. الحل: "القاعدة المعرفية للقارئ الخارق"
استخدم الباحثون نموذج ذكاء اصطناعي مدرب مسبقاً يسمى RETFound. تخيل RETFound كأنه قارئ خارق قد قرأ بالفعل ملايين الكتب (الصور) من مكتبات مختلفة (كاميرات ومستشفيات). لقد تعلم هذا الذكاء الاصطناعي بالفعل "قواعد لغة" صور الشبكية؛ فهو يعرف كيف تبدو الأوعية الدموية، وكيف تبدو الأنسجة السليمة، وما هو شكل القرص، بمجرد قراءة البيانات.
ومع ذلك، فقد تم تدريب هذا القارئ الخارق على تصنيف الصور (على سبيل المثال: "هل هذه العين مريضة أم سليمة؟")، وليس على رسم الخطوط حول أجزاء محددة. الأمر يشبه امتلاك بروفيسور يمكنه إخبارك ما إذا كانت اللوحة لوحة فنية رائعة، لكنه لا يعرف كيفية رسم الخطوط العريضة للأشياء الموجودة فيها.
3. الابتكار: "بدلة المهايئ"
قام الباحثون ببناء FunduSegmenter لتحويل هذا "القارئ الخارق" إلى "رسام ماهر". لم يقوموا بإعادة تدريب الدماغ بالكامل، بل وضعوا عليه بدلة مهايئ (Adapter suit) مخصصة. تحتوي هذه البدلة على أربع أدوات خاصة:
- المهايئ القبلي (المتحول في الشكل): يعتاد القارئ الخارق على رؤية صور بحجم محدد (مثل مربع 224×224 بكسل). لكن صور العالم الحقيقي تأتي بأشكال وأحجام مختلفة. يعمل المهايئ القبلي مثل عدسة تغيير حجم سحرية يمكنها أخذ صورة ضخمة أو صغيرة وإعادة تشكيلها بدقة ليفهمها القارئ الخارق، دون فقدان أي تفاصيل.
- المهايئ البعدي (المُنقّي): عندما يحاول القارئ الخارق رسم الخطوط، قد تصبح الحواف ضبابية بعض الشيء، خاصة بين القرص واللقفة (اللذين يبدوان متشابهين جداً). يعمل المهايئ البعدي مثل مشط دقيق الأسنان يقوم بتنعيم تلك الحواف الخشنة، مما يجعل الحدود حادة ودقيقة.
- وصلات التخطي (طريق الذاكرة): بينما ينظر القارئ الخرّق إلى الصورة، فإنه قد ينسى التفاصيل الصغيرة أثناء تركيزه على الصورة الكبيرة. تعمل وصلات التخطي (Skip Connections) مثل الاستدعاء الفوري للذاكرة، حيث تعيد التفاصيل الصغيرة (مثل الحواف الدقيقة لللقفة) إلى أداة الرسم حتى لا يفوت أي شيء.
- مهايئ كتلة ViT (المترجم): هذه وحدة صغيرة تساعد القارئ الخارق على ترجمة معرفته بـ "الصورة الكبيرة" إلى تعليمات "دقيقة لكل بكسل". إنها تشبه المترجم الذي يضمن أن يتحدث الذكاء الاصطناعي لغة "رسم الخطوط" بدلاً من مجرد "التعرف على الأنماط".
4. النتائج: تحفة فنية من الاستقرار
اختبر الفريق هذه الأداة الجديدة على العديد من مجموعات البيانات المختلفة (كاميرات مختلفة، مستشفيات مختلفة، دول مختلفة).
- كانت نماذج "المتخصص" (مثل nnU-Net) رائعة عند اختبارها على نفس المدينة التي تعلمت منها بالضبط، ولكن عندما تُعرض عليها مدينة جديدة، غالباً ما تفشل تماماً (بدرجة دقة منخفضة تصل إلى 18%).
- أما FunduSegmenter فقد كان بطل القدرة على التكيف. حقق دقة تقارب 90% في جميع المجالات. وسواء كانت الصورة من عيادة محلية صغيرة أو من قاعدة بيانات دولية ضخمة، فقد كان أداؤه ثابتاً وجيداً.
لماذا يهم هذا؟
فكر في الأمر كالانتقال من تعليم طالب حفظ كتاب مدرسي معين إلى تعليمه كيفية قراءة أي كتاب.
- للأطباء: يعني هذا أنه يمكنهم الحصول على قياسات موثوقة لصحة العين من أي كاميرا تقريباً، في أي مكان في العالم، دون الحاجة لإعادة تدريب الذكاء الاصطناعي لكل جهاز جديد.
- للمرضى: يؤدي هذا إلى تشخيصات أسرع وأكثر دقة لأمراض العيون، مما قد يمنع فقدان البصر.
باختصار، يأخذ FunduSegmenter ذكاءً اصطناعياً بارعاً ومدرباً مسبقاً ويمنحه مجموعة أدوات مخصصة ليصبح المُرسم الآلي الأكثر موثوقية في العالم لخرائط العين البشرية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.