Point Tracking as a Temporal Cue for Robust Myocardial Segmentation in Echocardiography Videos

ملخص تقني: تتبع النقاط كإشارة زمنية لتقسيم عضلة القلب بمتانة في فيديوهات تخطيط صدى القلب

بيان المشكلة
يعد تقسيم عضلة القلب (myocardium) في فيديوهات تخطيط صدى القلب (echo) أمراً بالغ الأهمية لتقييم الوظيفة الانقباضية، وحساب إجهاد عضلة القلب، والكشف عن تشوهات حركة الجدران الإقليمية. ومع ذلك، تواجه هذه المهمة عوائق تتمثل في انخفاض تباين الصورة، والضجيج، والتباين التشريحي الكبير، لا سيما في بيئات التصوير بالموجات فوق الصوتية عند نقطة الرعاية (POCUS) حيث يقوم المشغلون غير المتخصصين غالباً بالحصول على مقاطع فيديو ذات جودة منخفضة.

تواجه النهج الحالية القائمة على التعلم العميق قيوداً محددة:

• النماذج المستقلة عن الإطارات (مثل UNet، وSwinUNet) تتجاهل المعلومات الزمنية، مما يؤدي إلى تقسيم غير متسق عبر الدورة القلبية.
• النماذج القائمة على الذاكرة (مثل MemSAM، وMedSAM2) تقوم بنشر الميزات عبر الزمن، لكنها عرضة لتراكم الأخطاء عندما تكون الإطارات الأولى مشوشة أو خارج المحور.
• الأساليب القائمة على التدفق البصري (Optical flow) تعتمد على فرضيات ثبات السطوع والحركة السلسة التي غالباً ما تُنتهك في تخطيط صدى القلب بسبب تدهور الارتباط النقطي (speckle decorrelation) والحركة خارج المستوى، مما يؤدي إلى تشوهات غير مستقرة زمنياً أو غير منطقية تشريحياً.
• النماذج التأسيسية (مثل SAM) غالباً ما تتطلب مطالبات تفاعلية، وهو أمر غير عملي لسير العمل الذي يتسم بقلة الملصقات (labels) والوقت الفعلي.

المنهجية: Point-Seg
يقترح المؤلفون Point-Seg، وهو إطار عمل للتقسيم يعتمد على المحولات (transformer)، يدمج تتبع النقاط كإشارة زمنية صريحة لضمان تقسيم مستقر ومتسق لعضلة القلب دون الاعتماد على تراكم الميزات القائم على الذاكرة.

• البنية: يتكون النموذج من مشفر (عمود فقري ResNet50 مع طبقات محول الانتباه المتشوه)، ومفكك نقاط، وطبقات دمج، ومفكك قناع (mask decoder).
• وحدة تتبع النقاط: يتتبع النظام $N$ من النقاط المتميزة (بما في ذلك شبكة كثيفة ونقاط يدوية اختيارية) عبر $T$ من الإطارات. يستخدم مفكك نقاط مدرباً على مجموعة البيانات الاصطناعية SynUS لتقدير المسارات ($L_i$) وتسلسلات الرؤية ($V_i$). يستخدم المفكك تقنية TAPTR (تتبع النقاط القائم على المحولات) التي تم ضبطها بدقة لتخطيط صدى القلب.
• آلية الدمج: يستخدم الإطار آليات انتباه متعددة لدمج المعلومات المكانية والمعلومات المدركة للحركة:
  • الانتباه المتقاطع بين النقطة والرقعة (Point-to-Patch Cross-Attention): يسمح لرموز النقاط بالانتباه إلى رموز الرقع، مما يدمج الميزات المكانية.
  • الانتباه الذاتي للنقاط (Point Self-Attention): يتيح للنقاط المتتبعة تبادل المعلومات داخل الإطار الواحد.
  • الانتباه الذاتي الزمني للنقاط (Point Temporal Self-Attention): ينمذج الحركة من خلال السماح لرموز النقاط بالانتباه إلى مساراتها الخاصة عبر الإطارات.
  • الانتباه المتقاطع بين الرقعة والنقطة (Patch-to-Point Cross-Attention): يدمج إشارات الحركة في التمثيلات المكانية من أجل مفكك القناع.
• استراتيجية التدريب: يتم التدريب في مرحلتين. أولاً، يتم تدريب مفكك النقاط باستخدام فقدان $\ell_1$ لتقدير المسار وفقدان الإنتروبيا المتقاطعة للتنبؤ بالرؤية. ثانياً، يتم تجميد مفكك النقاط، ويتم تدريب مفكك القناع باستخدام فقدان Dice وفقدان التنعيم الزمني. يفرض فقدان التنعيم الزمني تشابهاً زوجياً بين قيم الأقنعة المتتبعة عبر الإطارات لتعزيز الاتساق.
• الاستدلال: يولد النموذج أقنعة التقسيم ومعلومات الحركة على مستوى البكسل في آن واحد، دون الحاجة إلى مطالبات يدوية.

المساهمات الرئيسية

1. تتبع النقاط المضبوط لتخطيط صدى القلب: قام المؤلفون بتكييف وضبط تقنية TAPTR باستخدام مجموعة بيانات SynUS الاصطناعية لتوليد مسارات لعضلة القلب كثيفة العينات ومستقرة، تظل ثابتة حتى عندما تتقلب جودة الصورة.
2. التقسيم المشروط بالتتبع: يدمج رأس تقسيم مبتكر يعتمد على المحولات المسارات المتتبعة كمقدمات للحركة. يفرض هذا النهج الاتساق الزمني دون نشر الميزات القائم على الذاكرة، مما يقلل بشكل فعال من الانحراف (drift) في مقاطع تخطيط صدى القلب منخفضة الجودة.
3. معلومات الحركة على مستوى البكسل: على عكس أساليب التقسيم القياسية، ينتج Point-Seg معلومات حركة صريحة لعضلة القلب، وهو أمر ضروري للمهام اللاحقة مثل قياس الإجهاد والكشف عن تشوهات حركة الجدران.

النتائج التجريبية
تم تقييم الطريقة على مجموعة بيانات CAMUS العامة ومجموعة بيانات خاصة تحتوي على 1,305 فيديو للتدريب، و181 للتحقق، و367 للاختبار.

• البيانات عالية الجودة: في إطارات CAMUS عالية الجودة، يحقق Point-Seg تكافؤاً إحصائياً (p ≥ 0.05) مع النماذج الرائدة (مثل nnUNet، وMedSAM2 مع مطالبات المربع المحيط) من حيث متوسط معامل Dice (mDice) ومسافة هاوسدورف (HD95).
• البيانات منخفضة الجودة: في مقاطع تخطيط صدى القلب رديئة الجودة، يظهر Point-Seg أداءً فائقاً. في مجموعة اختبار CAMUS، حقق mDice أعلى بكثير (86.7 مقابل 84.0 لـ nnUNet) وHD95 أقل مقارنة بالنماذج المرجعية. وفي المجموعة الخاصة، تفوق أيضاً على النماذج المرجعية في السيناريوهات ضعيفة الجودة.
• الاستقرار الزمني: يظهر التحليل النوعي (الشكل 2) أن Point-Seg يحافظ على حدود مستقرة طوال الدورة القلبية، متجنباً الوميض (flickering) الذي تظهره النماذج المستقلة عن الإطارات، والانحراف الذي تلاحظه الأساليب القائمة على الذاكرة.
• دراسات الاستئصال (Ablation Studies): تؤكد التجارب أن تضمين مسارات النقاط، والانتباه المتقاطع بين النقطة والرقعة، وتحديداً الانتباه الذاتي الزمني، يحسن بشكل كبير دقة التقسيم واستقراره. كما يتفوق المتتبع المقترح على المتتبعات الحالية الخاصة بتخطيط صدى القلب (EchoTracker) والمتتبعات العامة (CoTracker) على مجموعة بيانات SynUS.

الأهمية والادعاءات
يزعم البحث أن Point-Seg يقدم نهجاً موثوقاً وقابلاً للتعميم لتقسيم عضلة القلب في تخطيط صدى القلب، لا سيما في بيئات POCUS الصعبة. من خلال الاستفادة من تتبع النقاط كإشارة زمنية، يلغي هذا النهج الحاجة إلى نشر الميزات القائم على الذاكرة والمطالبات اليدوية، مع توفير الفائدة الإضافية لبيانات الحركة على مستوى البكسل. يؤكد المؤلفون أن هذا النهج يستهدف الاحتياجات الأساسية لتشخيص فشل القلب بجانب السرير: تقسيم موثوق ومتسق زمنياً يتيح قياسات قابلة للتنفيذ مثل الكسر القذفي (ejection fraction) والإجهاد، حتى عندما تكون جودة الصورة دون المستوى الأمثل. وقد تم توفير الكود لتسهيل المزيد من الأبحاث.