💻 computer science

A Semi-Supervised Framework for Breast Ultrasound Segmentation with Training-Free Pseudo-Label Generation and Label Refinement

تقترح هذه الورقة إطار عمل شبه مُشرف لتقسيم صور الموجات فوق الصوتية للثدي، يستفيد من المحفزات القائمة على المظهر والخالية من التدريب في نماذج الرؤية واللغة لتوليد تسميات مستعارة متسقة هيكلياً، والتي يتم تنقيحها بعد ذلك من خلال آلية المعلم المزدوج والتعلم التبايني لتحقيق أداء بمستوى الإشراف الكامل باستخدام 2.5% فقط من البيانات المصنفة.

المؤلفون الأصليون: Ruili Li, Jiayi Ding, Ruiyu Li, Yilun Jin, Shiwen Ge, Yuwen Zeng, Xiaoyong Zhang, Eichi Takaya, Jan Vrba, Noriyasu Homma

نُشر 2026-03-09

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Ruili Li, Jiayi Ding, Ruiyu Li, Yilun Jin, Shiwen Ge, Yuwen Zeng, Xiaoyong Zhang, Eichi Takaya, Jan Vrba, Noriyasu Homma

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

المشكلة الكبرى: عنق الزجاجة المتمثل في "الخبير"

تخيل أنك تحاول تعليم روبوت كيفية العثور على الأورام في صور الموجات فوق الصوتية للثدي. للقيام بذلك بشكل جيد، يحتاج الروبوت إلى رؤية آلاف الأمثلة حيث قام خبير بشري برسم خط بدقة حول كل ورم بمفرده.

العقبة: رسم هذه الخطوط يشبه رسم لوحة فنية يدوياً؛ فهو يستغرق وقتاً طويلاً، ويتطلب طبيباً عالي التدريب، وهو مكلف للغاية. لدينا ملايين الصور بالموجات فوق الصوتية، ولكن حفنة صغيرة جداً منها فقط تمتلك هذه "الرسومات الخبيرة" (التسميات/Labels).

تحاول معظم أساليب الذكاء الاصطناعي الحالية التعلم من الصور المصنفة القليلة ثم التخمين في الباقي. ولكن بدون تدريب كافٍ، يصاب الذكاء الاصطناعي بالارتباك؛ فيبدأ في ارتكاب الأخطاء، ثم يعلم نفسه تلك الأخطاء، مما يجعله يزداد سوءاً. الأمر يشبه طالباً يحاول تعلم الرياضيات من خلال النظر فقط إلى أول صفحتين من الكتاب المدرسي ثم تخمين بقية الكتاب بمفرده؛ من المرجح أن يخطئ في كل شيء.

الحل: طريق مختصر "خالٍ من التدريب"

ابتكر مؤلفو هذه الورقة استراتيجية ذكية من خطوتين لإصلاح ذلك. يسمونها "إطار عمل شبه مُشرف" (Semi-Supervised Framework)، ولكن فكر فيها على أنها "المتدرب الذكي والمعلم الحكيم".

الخطوة 1: "المتدرب الذكي" (توليد تسميات وهمية خالٍ من التدريب)

بدلاً من محاولة تعليم الذكاء الاصطناعي من الصال، يستخدم الباحثون "ذكاءً اصطناعياً فائقاً" (نموذج رؤية-لغة - Vision-Language Model) قد شاهد بالفعل ملايين الصور من العالم الحقيقي (مثل القطط والسيارات والتفاح).

المشكلة في الأوامر القياسية: إذا سألت هذا الذكاء الفائق: "جد الورم"، فسيصاب بالارتباك. فهو لا يعرف المصطلحات الطبية، وصور الموجات فوق الصوتية ليست سوى ضوضاء رمادية ثابتة وليست صوراً ملونة.
الإصلاح الإبداعي: أدرك الباحثون أن للأورام مظهراً محدداً. فهي عادة ما تكون أشكالاً داكنة، بيضاوية أو مستديرة. لذا، بدلاً من استخدام مصطلحات طبية، يخبرون الذكاء الفائق: "ابحث عن الشكل البيضاوي الداكن".
التشبيه: تخيل أنك تبحث عن نوع معين من الصخور في كومة من الحصى. إذا قلت "ابحث عن الجرانيت"، فقد لا يعرف الذكاء الاصطناعي كيف يبدو الجرانيت في هذه الكومة تحديداً. ولكن إذا قلت "ابحث عن صخرة داكنة، ملساء، ومستديرة"، فيمكن للذكاء الاصطناعي رصدها فوراً، حتى لو لم يسبق له رؤية كومة صخور من قبل.

يقوم الذكاء الاصطنا_بوضع مربعات تقريبية حول هذه "الأشكال البيضاوية الداكنة". هذه المربعات ليست مثالية، لكنها تعطي النظام خريطة بداية (تسمى "تسمية وهمية" أو pseudo-label) دون الحاجة إلى إنسان واحد لرسم خط. هذا هو الجزء "الخالي من التدريب" — فهو يعمل مباشرة بمجرد تشغيله.

الخطوة 2: "المعلم الحكيم" و"الطالب" (صقل التسميات)

الآن بعد أن أصبح لدينا خريطة تقريبية، نحتاج إلى تنظيفها. وضع الباحثون فصلاً دراسياً يضم ثلاث شخصيات:

المعلم الثابت (الموجه المجمد): هذا هو نموذج الذكاء الاصطناعي المدرب على الخرائط التقريبية لـ "الأشكال البيضاوية الداكنة" من الخطوة 1. هو يعرف الشكل العام للأورام ولكنه جامد بعض الشيء. يظل "مجمداً" (لا يتغير) ليوفر مرجعاً مستقراً.
المعلم الديناميكي (الموجه المتطور): هذا النموذج يتعلم جنباً إلى جنب مع الطالب. يقوم بتحديث نفسه باستمرار، ويصبح أفضل في رصد التفاصيل، ولكنه قد يصبح مضطرباً أو يرتكب أخطاء أحياناً.
الطالب: هو الذكاء الاصطناعي الرئيسي الذي نحاول تدريبه.

الخدعة السحرية (دمج عدم اليقين):
ينظر الطالب إلى توقعات كلا المعلمين.

إذا اتفق المعلمان، يتعلم الطالب بثقة.
إذا اختلفا (على سبيل المثال: أحدهما يقول "هذا ورم هنا"، والآخر يقول "لا")، يقوم النظام بحساب "عدم اليقين" (Uncertainty). إنه مثل حكم يراجع النتيجة.
الحكم: يستخدم النظام خدعة رياضية خاصة (الدمج الموزون بالإنتروبيا - Entropy Weighted Fusion) ليقرر أي معلم هو الأكثر موثوقية في تلك البقعة المحددة. يقوم بدمج نصائحهما لإنشاء تسمية "معيار ذهبي" هي أفضل من كل منهما بمفرده.

تعزيز "التضاد العكسي" (Reverse Contrastive):
أخيراً، يركز النظام على الأجزاء الأكثر صعوبة — الحواف الضبابية حيث يلتقي الورم بالأنسجة السليمة. هو يتعمد النظر إلى البكسلات "المتحيرة" ويجبر الذكاء الاصطناعي على تعلم الفرق بينها وبين البكسلات الواضحة. إنه يشبه مدرباً يقول للاعب: "لا تكتفِ بالتدريب على الضربات السهلة فقط؛ دعنا نتدرب على الضربات التي تخطئ فيها باستمرار حتى تتقنها".

النتائج: أداء يفوق القدرات البشرية بأقل قدر من المساعدة

اختبر الفريق هذا النظام على أربع مجموعات بيانات مختلفة من صور الموجات فوق الصوتية للثدي.

الاختبار: أعطوا الذكاء الاصطناٍ فقط 2.5% من البيانات المصنفة (حوالي 13 صورة من أصل 500).
النتيجة: حقق الذكاء الاصطناعي أداءً يقارب أداء النماذج التي تم تدريبها على 100% من البيانات.
المقارنة: لقد تفوق على جميع الأساليب الحالية "شبه المُشرفة" بفارق كبير. في الواقع، في إحدى مجموعات البيانات، تفوق حتى على نموذج "مُشرف بالكامل" قد رأى كل صورة مصنفة بواسطة إنسان.

لماذا يهم هذا (المستقبل "القابل للتوسع")

الجزء الأكثر إثارة ليس فقط أنه يعمل لسرطان الثدي. فالمنهجية عالمية.

لأن النظام يعتمد على أوصاف بصرية بسيطة ("داكن"، "مستدير"، "مدبب") بدلاً من المعرفة الطبية المعقدة، يمكنك استخدامه لأي مرض أو أي نوع من التصوير الطبي.

هل تريد العثور على شامات الجلد؟ صفها بأنها "بقع داكنة".
هل تريد العثور على عقد درقية؟ صفها بأنها "كتل رمادية".

لست بحاجة إلى إعادة تدريب النظام بالكامل أو توظيف المزيد من الخبراء. أنت فقط تغير الوصف، ويقوم "المتدرب الذكي" بإنشاء خريطة البداية لك. يمكن لهذا أن يحدث ثورة في الذكاء الاصطناعي الطبي، مما يجعل من الممكن بناء أدوات تشخيص عالية الجودة للأمراض النادرة أو في البلدان النامية حيث يندر وجود أطباء الأشعة الخبراء.

ملخص في جملة واحدة

تعلم هذه الورقة الذكاء الاصطناعي كيفية العثور على الأورام الطبية عن طريق سؤال "ذكاء اصطناعي فائق" للعث_ور على "الأشكال الداكنة" باستخدام لغة بسيطة، ثم استخدام فريق ذكي من "الموجهين" لتنقية التخمينات التقريبية، مما يسمح للنظام بالتعلم بشكل مثالي مع حد أدنى من المساعدة البشرية.

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "إطار عمل شبه مُشرف لتجزئة الموجات فوق الصوتية للثدي باستخدام توليد تسميات مستعارة خالية من التدريب وتحسين التسميات".

1. بيان المشكلة

تعد تجزئة صور الموجات فوق الصوتية للثدي (BUS) أمراً بالغ الأهمية للتشخيص المبكر للسرطان، لكنها تعتمد بشكل كبير على التوصيفات لكل بكسل (pixel-wise annotations)، والتي تُعد مكلفة وتستغرق وقتاً طويلاً للحصول عليها من أطباء الأشعة الخبراء. وبينما يهدف التعلم شبه المُشرف (SSL) إلى تقليل هذا العبء، تواجه الطرق الحالية تحديات كبيرة في نظام البيانات ذات التسميات المنخفضة للغاية (على سبيل المثال، أقل من 5% من البيانات الموسومة):

التسميات المستعارة غير المستقرة: يعتمد التعلم شبه المُشرف التقليدي على أطر عمل "المعلم والطالب" حيث يكون النموذج المعلم غالباً غير مدرب كفاية بسبب ندرة التسميات، مما يؤدي إلى تسميات مستعارة مشوشة وانحياز تأكيدي (confirmation bias).
عدم تطابق النطاق (Domain Mismatch): تفشل تقنيات تنظيم الاتساق القياسية (المصممة لصور RGB الطبيعية) في التعامل مع طبيعة صور الـ BUS التي تتميز باللون الرمادي والضجيج النقطي (speckle-noise).
قصور نماذج الرؤية واللغة (VLMs): رغم أن نماذج الرؤية واللغة (مثل Grounding DINO وSAM) توفر قدرات "التعلم الصفري" (zero-shot)، إلا أن تطبيقها المباشر على التصوير الطبي يفشل لأن المطالبات العامة (مثل "ورم") تفتقر إلى التخصص في المجال، مما يؤدي إلى أقنعة غير متسقة هيكلياً.

2. المنهجية

يقترح المؤلفون إطار عمل يتكون من مرحلتين، يدمج بين توليد التسميات المستعارة الخالية من التدريب واستراتيجية تحسين المعلم المزدوج شبه المُشرفة.

أ. المرحلة الأولى: توليد التسميات المستعارة الخالية من التدريب القائمة على مطالبات المظهر (APPG)

بدلاً من استخدام مصطلحات طبية معقدة تجد نماذج الرؤية واللغة صعوبة في تفسيرها، تعتمد الطريقة على أوصاف مظهر بسيطة (مثل "بيضاوي داكن"، "مستدير داكن"، "مفصص داكن").

العملية:
1. يقوم نموذج لغوي كبير (LLM) بتحويل السمات الإشعائية العامة إلى أوصاف مظهر موجزة وعالمية.
2. يتم تغذية هذه المطالبات في نموذج Grounding DINO لتوليد صناديق إحاطة حول الآفات المحتملة في صور الـ BUS غير الموسومة.
3. يتم تمرير الصناديخ والصور إلى نموذج SAM (Segment Anything Model) لتوليد أقنعة مستعارة أولية.
النتيجة: يؤدي هذا إلى إنشاء "معلم ثابت" ( $T_A$ ) تم تدريبه مسبقاً على هذه التسميات المستعارة ذات المعنى الهيكلي، مما يوفر أولوية هيكلية قوية قبل بدء تدريب الـ SSL الرئيسي.

ب. المرحلة الثانية: تحسين التسمية المستعارة عبر إطار عمل المعلم المزدوج

يستخدم إطار العمل نموذج طالب ( $S$ ) ومعلمين: المعلم الثابت ( $T_A$ ، الذي تم تهيئته بواسطة APPG) والمعلم الديناميكي ( $T_B$ ، الذي يتم تحديثه عبر المتوسط المتحرك الأسي للنموذج الطالب).

دمج الوزن المعتمد على عدم اليقين والاعتلاج (UEWF):
- بما أن $T_A$ يوفر استقراراً هيكلياً ولكنه يفتقر إلى القدرة على التكيف، وأن $T_B$ قابل للتكيف ولكنه قد يكون مشوشاً، يتم دمج تنبؤاتهما.
- يتم تحديد أوزان الدمج من خلال اعتلاج شانون (الاعتلاج/الشك) لتنبؤ كل معلم. المناطق ذات عدم اليقين الأقل (الثقة الأعلى) من أي من المعلمين يتم وزنها بشكل أكبر لإنتاج تسمية مستعارة محسنة ( $\hat{y}^F$ ).
التعلم التبايني العكسي الموجه بعدم اليقين التكيفي (AURCL):
- غالباً ما يتجاهل التعلم التبايني القياسي المناطق "الصعبة". يستهدف هذا النموذج تحديداً البكسلات ذات الثقة المنخفضة (الاعتلاج العالي) (التي تقع عادةً عند حدود الآفة).
- يقوم بعملية عكس الاحتمالية على هذه البكسلات غير المتيقنة (قلب التنبؤ الاحتمالي) لإنشاء "منظور معكوس".
- يعمل فقدان التباين (contrastive loss) على محاذاة الميزات من المنظور الأصلي والمنظور المعكوس لنفس الجزء المكاني، مما يجبر الشبكة على تعلم تمثيلات مميزة للحدود الغامضة بدلاً من تجاهلها.

3. المساهمات الرئيسية

توليد التسميات المستعارة الخالية من التدريب: استراتيجية مبتكرة تستخدم مطالبات المظهر لتمكين النقل الهيكلي عبر النطاقات من الصور الطبيعية إلى تصوير الموجات فوق الصوتية الطبي دون الحاجة لضبط دقيق (fine-tuning) لنماذج الرؤية واللغة.
إطار تحسين المعلم المزدوج: آلية تدمج معلماً ثابتاً مدركاً للهيكل مع معلم ديناميكي متكيف باستخدام دمج الأوزان المعتمد على عدم اليقين لاستقرار التدريب في أنظمة البيانات المنخفضة.
التعلم التبايني العكسي: آلية تكيفية (AURCL) تركز صراحة على مناطق الحدود غير المتيقنة لتحسين دقة التجزئة حيث تشتد الحاجة إليها.
القابلية للتوسع: أُثبت أن هذا النموذج قابل للتوسع لتطبيق تقنيات أخرى (مثل التصوير الجلدي أو التنظيري) ببساطة عن طريق تغيير وصف المظهر العالمي، دون الحاجة لإعادة تدريب النماذج التأسيسية.

4. النتائج التجريبية

تم تقييم الطريقة على أربع مجموعات بيانات لصور الـ BUS (وهي: BUSI، UDIAT، BREASTUSG، BUSUCLM) تحت نسب مختلفة من البيانات الموسومة (2.5%، 10%، 20%).

الأداء: تفوقت الطريقة المقترحة بشكل كبير على أساليب التعلم شبه المُشرف (SSL) الحديثة (بما في ذلك MT، U2PL، BCP، PH-Net، إلخ).
- في مجموعة بيانات BUSI مع 2.5% فقط من البيانات الموسومة، حققت الطريقة درجة Dice بلغت 72.72% وIoU بلغت 63.11%.
- هذه النتيجة أعلى بنسبة 13.79% من أفضل طريقة SSL سابقة، بل وتتجاوز حتى نموذج U-Net الخاضع للإشراف الكامل المدرب على 100% من البيانات (والذي حقق 74.81% في درجة Dice على مجموعة بيانات UBB، بينما وصلت الطريقة المقترحة إلى 75.75% باستخدام 2.5% فقط من التسميات).
دراسات الاستئصال (Ablation Studies):
- أدى حذف وحدة APPG إلى انخفاض هائل في الأداء، مما يؤكد أهمية الأولويات المولدة بواسطة نماذج الرؤية واللغة.
- وفرت وحدتا UEWF وAURCL مكاسب تدريجية ولكنها كبيرة، خاصة في تحسين الحدود.
التحليل البصري: أظهرت النتائج النوعية أن الطريقة المقترحة أنتجت أقنعة آفات متماسكة وكاملة، بينما أدت الطرق الأخرى غالباً إلى تنبؤات مجزأة أو فقدان للحدود.

5. الأهمية

تعالج هذه الورقة عقبة حرجة في الذكاء الاصطناعي الطبي: الاعتماد على مجموعات بيانات ضخمة موسومة. ومن خلال إثبات أن الأوصاف البصرية البسيطة يمكن أن تطلق قوة النماذج التأسيسية لتجزئة الصور الطبية دون ضبط دقيق، تقدم الورقة حلاً عملياً وقابلاً للتوسع في البيئات السريرية حيث تكون التسميات نادرة. ينجح إطار العمل في سد الفجوة بين نماذج الرؤية للصور الطبيعية ومهام التصوير الطبي المتخصصة، مما يتيح تجزئة عالية الأداء بأقل قدر من الإشراف البشري.