Ordinal Diffusion Models for Color Fundus Images

إليك ملخص تقني مفصل لورقة البحث بعنوان: "نماذج الانتشار الترتيبية لصور قاع العين الملونة":

1. بيان المشكلة

السياق: يُعد اعتلال الشبكية السكري (DR) سبباً رئيسياً لفقدان البصر الذي يمكن الوقاية منه، ويتم مراقبته عبر تصوير قاع العين الملون (CFP). وبينما تؤدي نماذج التعلم العميق أداءً جيداً في اكتشاف اعتلال الشبكية السكري، إلا أنها غالباً ما تكون محدودة بسبب نقص بيانات التدريب المتنوعة، لا سيما للمراحل المتأخرة من المرض أو للأعراق غير الممثلة كفاية. وتوفر النماذج التوليدية (مثل نماذج الانتشار - Diffusion Models) حلاً من خلال تخليق بيانات واقعية لتعزيز مجموعات التدريب.

المشكلة الجوهرية: تعامل معظم نماذج الانتشار الشرطية الحالية مراحل المرض (مثل: لا يوجد اعتلال، بسيط، متوسط، شديد، تكاثفي) كـ فئات فئوية مستقلة. وهذا يتجاهل الطبيعة الأساسية لاعتلال الشبكية السكري، وهو عملية مرضية مستمرة تتقدم عبر مراحل مترتبة ومنفصلة.

• النتيجة: تفشل النماذج القياسية في التقاط الانتقالات السلسة بين المراحل، مما قد يؤدي إلى توليد صور غير واقعية أو الفشل في نمذجة استمرارية تطور المرض بشكل فعال.
• الهدف: تطوير نموذج توليدي يدمج صراحةً البنية الترتيبية لشدة المرض لتمكين انتقالات سلسة ومتسقة سريرياً بين مراحل اعتلال الشبكية السكري.

2. المنهجية

يقترح المؤلفون نموذج انتشار كامن مدرك للترتيب (Ordinal-Aware Latent Diffusion Model) يشفّر صراحةً الطبيعة المرتبة لشدة اعتلال الشبكية السكري.

أ. نظرة عامة على البنية

يتبع النموذج إطار عمل الانتشار الكامن (Latent Diffusion) القياسي (VAE + Diffusion):

1. المشفر التلقائي الكامن (Latent Autoencoder): يتم ضغط الصور إلى فضاء كامن منخفض الأبعاد ($z$) باستخدام مشفر تلقائي تبايني (VAE).
2. عملية إزالة الضجيج (Denoising Process): يتم تدريب مُزيل الضجيج (U-Net $\epsilon_\theta$) للتنبؤ بالضجيج المضاف إلى الفضاء الكامن عبر $T$ من الخطوات الزمنية.

ب. الابتكارات الرئيسية

1. التكييف المرضي الترتيبي:
بدلاً من الترميز بنظام (one-hot encoding) القياسي (الذي يعامل الفئات كأشياء غير مرتبطة)، قدم المؤلفون استراتيجيتين لتمثيل درجة المرض $c$ كقيمة عددية أو متجه مرتب:

• الهوامش متساوية المسافات (Equidistant Margins): تُدرج مراحل المرض على محور أحادي البعد بمسافات متساوية ($c_i = i$).
• الهوامش المتعلمة (Learned Margins): يتم تعلم المسافات النسبية بين المراحل عبر متجه معلمي ($c_i = \sum v_j^2$)، مما يفرض زيادات موجبة ورتابة (monotonicity).
  تُمرر هذه التمثيلات عبر شبكة MLP لإنشاء تضمينات عالية الأبعاد يتم حقنها في مُزيل الضجيج.

2. استراتيجية التكييف المزدوج (البنية مقابل المرض):
لتحسين الواقعية البصرية والسماح بالاستكمال (interpolation) المنضبط، يفصل النموذج بين التشريح الهيكلي وبين الاعتلال المرضي:

• التضمين الهيكلي ($s$): يقوم مشفر منفصل (ResNet-50 مدرب بالتعلم التبايني) باستخراج تشريح الشبكية (الأوعية الدموية، القرص البصري) بشكل مستقل عن المرض.
• التوجيه (Guidance): أثناء عملية أخذ العينات (sampling)، يجمع النموذج بين التنبؤات غير المشروطة، والمشروطة بالمرض، والمشروطة بالهيكل باستخدام أوزان التوجيه ($w_c, w_s$). وهذا يسمح بتوليد صور ذات شدة مرض محددة مع الحفاظ على البنية الشبكية الأساسية لمريض معين.

3. التدريب والتقييم:

• مجموعة البيانات: EyePACS (127 ألف صورة).
• المقاييس:
  • الواقعية البصرية: مسافة فريديهت للإنصاف (FID).
  • الاتساق السريري: معامل كابا الموزون تربيعياً (QWK) بين المرحلة المستهدفة والتنبؤ الناتج عن مصنف اعتلال الشبكية السكري مسبق التدريب (ResNet-50 مع فقدان CORAL) على الصور المولدة.

3. المساهمات الرئيسية

1. أول نموذج انتشار ترتيبي قابل لإعادة الإنتاج: تقدم الورقة أول نموذج انتشار كامن قابل لإعادة الإنتاج يشفّر صراحةً القيود الترتيبية والقيود الهيكلية للصور الطبية.
2. تعلم الطيف المستمر: من خلال استخدام التمثيلات العددية للمرض، يتعلم النموذج طيفاً مستمراً لتطور المرض بدلاً من فئات منفصلة ومعزولة.

• توليد السيناريوهات المقابلة للواقع (Counterfactual Generation): تمكن استراتيجية التكييف المزدوج من توليد "صور مقابلة للواقع" من صورة إلى صورة، حيث يمكن تحويل عين سليمة إلى مراحل مختلفة من اعتلال الشبكية السكري مع الاحتفاظ بالسمات التشريحية الفريدة للمريض.

3. تحقيق مكاسب في الأداء: يتفوق هذا النهج على التكييف الفئوي القياسي في كل من جودة الصورة والاتساق السريري.

4. النتائج

الأداء الكمي (مجموعة بيانات EyePACS):

• FID (الواقعية): حقق النموذج الترتيبي مع الهوامش متساوية المسافات والتكييف الهيكلي أفضل درجات FID لأربعة من أصل خمس مراحل لاعتلال الشبكية السكري مقارنة بالنموذج المرجعي.
  • مثال: بالنسبة لـ "لا يوجد اعتلال"، انخفضت FID من 23 (النموذج المرجعي) إلى 12 (الترتيبي + الهيكلي).
• QWK (الاتساق): حسن النموذج الترتيبي بشكل كبير الاتفاق بين الصور المولدة وتسمياتها المقصودة.
  • QWK للنموذج المرجعي: 0.79
  • QWK للنموذج الترتيبي: 0.87 (مع الهوامش متساوية المسافات والتكييف الهيكلي).

الملاحظات النوعية:

• الدقة المورفولوجية: أعادت الصور المولدة بشكل صحيح الهياكل الأساسية (القرص البصري، الأوعية الدموية) والآفات المرتبطة بالمرض (التوسع الوعائي الدقيق، النزيف، تكاثر الأوعية الدموية) التي تتناسب طردياً مع الشدة.
• الاستكمال (Interpolation): عند الاستكمال بين المراحل المنفصلة (على سبيل المثال، توليد صور لشدة "1.5")، أنتج النموذج صوراً ذات سمات مختلطة، مما أظهر انتقالاً سلساً بدلاً من قفزات مفاجئة.
• رؤية الهوامش المتعلمة: بينما كان النموذج "متساوي المسافات" أفضل كمياً، كشف نموذج "الهوامش المتعلمة" أن النموذج يدرك أن انتقالات المرض المبكرة أكثر دقة وانتقالات المراحل المتأخرة (من الشديد إلى التكاثفي) أكثر حدة وجذرية.

5. الأهمية والعمل المستقبلي

• الأهمية السريرية: يسد هذا العمل الفجوة بين الطبيعة المستمرة للمرض البيولوجي والتسميات المنفصلة المستخدمة في مجموعات البيانات السريرية. فهو يوفر طريقة قوية لتوليد بيانات اصطناعية تحترم التدرج الترتيبي للاعتلال.
• تعزيز البيانات: القدرة على توليد بيانات واقعية، محددة المرحلة مع سمات تشريحية منضبطة، يمكن أن يحسن بشكل كبير تدريب نماذج الذكاء الاصما التشخيصية، خاصة للحالات النادرة أو المتأخرة.
• القيود والتوجهات المستقبلية:
  • يعتمد التقييم حالياً على المقاييس الآلية؛ ويتطلب العمل المستقبلي تقييماً من قبل خبراء سريريين.
  • يعاني النموذج قليلاً في المرحلة الأكثر تقدماً (الاعتلال التكاثفي)، حيث تظهر بعض العيوب (artifacts).
  • يمكن أن يطبق هذا الإطار على مجموعات البيانات الطولية (longitudinal) لنمذجة التطور الزمني صراحةً بمرور الوقت.

باختصار، تثبت هذه الورقة أن معاملة تسميات المرض كـ قيم عددية مرتبة بدلاً من فئات مستقلة يعزز بشكل كبير من واقعية وفائدة النماذج التوليدية للانتشار في مجال طب العيون.