The Texture-Shape Dilemma: Boundary-Safe Synthetic Generation for 3D Medical Transformers

1. بيان المشكلة

صراع ندرة البيانات مقابل جوع نماذج الـ ViT للبيانات:
أحدثت نماذج المحولات الرؤية (Vision Transformers - ViTs) ثورة في تحليل الصور الطبية، لكنها تعاني من نقص في الانحيازات الاستقرائية (inductive biases)، مما يجعلها متعطشة للغاية للبيانات وعرضة للإفراط في التخصيص (overfitting). وبينما يخفف التعلم الذاتي الإشرافي (Self-Supervised Learning - SSL) من هذه المشكلة، فإنه يعتمد على أرشيفات سريرية حقيقية، مما يكرس قضايا الخصوصية والتحيزات المرتبطة بمجموعات بيانات محددة.

محدودية طرق الـ FDSL الحالية:
يوفر التعلم الخاضع للإشراف القائم على الصيغ الرياضية (Formula-Driven Supervised Learning - FDSL) بديلاً يحافظ على الخصوصية عبر توليد عينات مشروحة لا نهائية من صيغ رياضية. ومع ذلك، تعتمد طرق FDSL الحالية (مثل PrimGeoSeg) على نماذج هندسية أولية بسيطة ذات شدة سطوع متجانسة (homogeneous intensities). وهذا يخلق "فجوة نسيجية" مقارنة بمسوحات الأشعة المقطعية (CT) أو الرنين المغناطيسي (MRI) الحقيقية، والتي تحتوي على أنسجة معقدة وضجيج ناتج عن عملية التصوير.

الصراع الجوهري: تداخل الحدود (Boundary Aliasing):
حدد المؤلفون صراعاً ناتجاً عن التحسين يُسمى "تداخل الحدود" (Boundary Aliasing). فعندما يتم دمج الأنسجة الاصطناعية عالية التردد بشكل عشوائي فوق الأشكال الهندسية لسد الفجوة النسيجية، فإنها تؤدي إلى إفساد إشارات تدرج الصورة (image gradient) الضرورية لتعلم حدود الهيكل.

• الآلية: تتداخل التدرجات العشوائية للنسيج مع التدرجات الحتمية لحدود الشكل.
• المقياس: يتم قياس ذلك عبر نسبة بروز الحدود (Boundary Saliency Ratio - BSR). عندما تكون نسبة BSR منخفضة (أي عندما تهيمن تدرجات النسيج)، يفشل النموذج في تحديد الحواف التشريحية، مما يؤدي إلى انخفاض كبير في أداء ما قبل التدريب (على سبيل المثال، من 56% إلى 40% في التجارب الأولية) وضعف القدرة على النقل للمهام اللاحقة.

2. المنهجية

يقترح البحث إطار عمل لتوليد الأنسجة مستوحى من الفيزياء ومنفصل مكانياً، مصمم لجعل تعلم حدود الشكل والأنسجة الداخلية عملية متعامدة (orthogonalize). يتكون إطار العمل من مكونين:

أ. نموذج حماية النسيج (حماية التدرج)

لمنع النسيج من إفساد إشارات الحدود، قدم المؤلفون آلية فصل مكاني تعتمد على تحويل المسافة الإقليدية (Euclidean Distance Transform - EDT).

• تقسيم المناطق: يتم تقسيم الحجم الأمامي إلى ثلاثة مناطق:
  1. القشرة ($\Omega_{shell}$): تحاكي غلاف العضو بشدة ثابتة.
  2. الفجوة ($\Omega_{gap}$): وهي منطقة عازلة لحماية التدرج، تتميز بانتقال ثابت في الشدة ($\nabla X = 0$). تم ضبط عرض هذه الفجوة ليتجاوز حجم نواة (kernel size) مشغلات التدرج في الطبقة الأولى من الشبكة.
  3. اللب ($\Omega_{core}$): المنطقة التي يتم فيها حقن الأنسجة المعقدة.
• الأثر: يضمن هذا بقاء إشارات التدرج عند الحدود نقية (نسبة BSR عالية)، مما يسمح للشبكة بتعلم نماذج شكل قوية دون تداخل من الضجيج الداخلي.

ب. توليد الأنسجة المستوحى من الفيزياء والمنفصل مكانياً

بمجرد حماية الحدود، تقوم الطريقة بتوليد أنسجة واقعية داخل "اللب" باستخدام استراتيجيتين:

1. الفصل الهندسي: بدلاً من مجرد تقليص الشكل الخاري لتحديد منطقة النسيج (مما يخلق ارتباطاً مكانياً)، تقوم الطريقة بتوليد نموذج هندسي مستقل (مثل منشور داخل أسطوانة) عبر تحويلات تآلفية عشوائية. وتكون منطقة النسيج هي تقاطع هذا النموذج مع المنطقة الآمنة لـ EDT. هذا يجبر الشبكة على تعلم دلالات الشكل العالمي بدلاً من الانتقالات المحلية في الشدة.
2. توليد النسيج الطيفي: لا يتم توليد الأنسجة كضجيج غاوسي بسيط، بل يتم نمذجتها كـ مزيج محدب مرجح بـ Dirichlet لثلاثة نماذج فيزيائية حيوية:
   • الحبيبية المتناحية (Isotropic Granularity): ضجيج Perlin متعدد المقاييس (يحاكي النسيج الحشوي).
   • الألياف متباينة الخواص (Anisotropic Fibrosity): حقول ضجيج ذات مقاييس اتجاهية (تحاكي الأنسجة الليفية).
   • المسامية الهيكلية (Structural Porosity): حقول ضجيج محددة بالعتبة (تحاكي العظام التربيقية).

ج. استراتيجية التدريب

يستخدم إطار العمل استراتيجية تدريب من مرحلتين:

1. ما قبل التدريب (Pre-training): يتم تدريب النماذج على مجموعة البيانات الاصطناعية المولدة بواسطة نموذج حماية النسيج.
2. الضبط الدقيق (Fine-tuning): يتم ضبط النماذج المدربة مسبقاً على مجموعات بيانات سريرية حقيقية (مثل BTCV و MSD).

3. المساهمات الرئيسية

1. تحديد تداخل الحدود (Boundary Aliasing): التحليل النظري والأدلة التجريبية التي تثبت أن حقن النسيج العشوائي في FDSL يفسد تدرجات الحدود، ويتم تعريف ذلك رسمياً عبر نسبة بروز الحدود (BSR).
2. إطار عمل توليد مبتكر: تقديم نموذج حماية النسيج الذي ينشئ منطقة عازلة خالية من التدرج، مما يضمن تعلم شكل مستقر مع السماح بحقن أنسجة معقدة في اللب.
3. نمذجة نسيج مدفوعة بالفيزياء: نهج مزج طيفي يجمع بين أنماط الضجيج الحبيبية، الليفية، والمسامية لمحاكاة الفيزياء الحيوية للأنسجة الحقيقية دون المساس بالحدود الهندسية.
4. أداء رائد (State-of-the-Art): تسد هذه الطة الفجوة النطاقية بين الصيغ الاصطناعية والتصوير الطبي الحقيقي، متفوقة على كل من التدريب من الصفر وطرق SSL الحالية المدربة على بيانات حقيقية.

4. النتائج التجريبية

تم تقييم الطريقة على مجموعات بيانات BTCV (30 حجماً من الأشعة المقطعية) و MSD (القلب، الرئة، الطحال) باستخدام بنيات UNETR و SwinUNETR.

• مكاسب الأداء:
  • BTCV: حققت الطريقة المقترحة تحسناً بنسبة 1.43% في متوسط درجة Dice عن أفضل خط أساس لـ FDSL (وهو PrimGeoSeg)، وتفوقت بشكل كبير على التدريب من الصفر.
  • MSD: حققت تحسناً يصل إلى 1.51% في المهام الصعبة (على سبيل المثال، أظهرت المهمة 06 الخاصة بتجزئة الرئة زيادة بنسبة 5.33% عن التدريب من الصفر).
• المقارنة مع SSL للبيانات الحقيقية:
  • في مجموعة بيانات BTCV، حققت طريقة ما قبل التدريب الاصطناعية 81.51% في درجة Dice، متفوقة على طرق SSL التي تم تدريبها مسبقاً على 5,000 صورة أشعة مقطعية حقيقية (مثل SwinUNETR SSL التي حققت 80.56%).
• دراسات الاستئصال (Ablation Studies):
  • المقياس (Scale): تحسن الأداء باستمرار مع زيادة حجم مجموعة البيانات الاصطناعية من 500 إلى 50,000 حجماً.
  • عرض الفجوة (Gap Width): أدى الفصل الصريح بين الحدود والنسيج (عرض الفجوة $w=9$) إلى أفضل النتائج، مما يؤكد ضرورة وجود درع التدرج.
  • نوع النسيج: تفوق تصميم النسيج الفيزيائي المقترح على كل من عمليات المحاكاة أحادية النوع وأنسجة الفاكهة الحقيقية، مما يشير إلى أن الاتساق الهيكلي أكثر أهمية من تنوع المظهر.
  • العمود الفقري (Backbone): حسنت الطريقة الأداء في كل من البنيات القائمة على المحولات (SwinUNETR) والبنيات التلافيفية (3D U-Net).

5. الأهمية

يوفر هذا العمل أساساً قابلاً للتوسع، وخالياً من الحاجة للبيانات المشروحة، ويحافظ على الخصوصية لتدريب نماذج المحولات الرؤية الطبية. ومن خلال حل "معضلة النسيج والشكل"، يثبت أن البيانات الاصطناعية يمكن جعلها واقعية بما يكفي لتنافس التدريب المسبق بالبيانات الحقيقية، بشرما يتم احترام القيود الرياضية للتعلم القائم على التدرج أثناء عملية التوليد. هذا النهج يلغي الحاجة إلى أرشيفات سريرية ضخمة وحساسة للخصوصية لأغراض ما قبل التدريب، مما قد يساهم في دمقرطة الوصول إلى نماذج الذكاء الاصطناٍ الطبي عالية الأداء.