💻 computer science

SurgFormer: Scalable Learning of Organ Deformation with Resection Support and Real-Time Inference

تقدم الورقة البحثية SurgFormer، وهو محول بوابي متعدد الدقة وقابل للتوسع يتيح محاكاة عالية الدقة للأنسجة الرخوة في الوقت الفعلي تقريبًا على الشبكات الحجمية من خلال تعلم التنبؤ بالإزاحات عند العقد والتعامل مع عمليات الاستئصال التي تغير الطوبولوجيا عبر إطار عمل موحد تحت إشراف طريقة العناصر المنتهية الممتدة (XFEM).

المؤلفون الأصليون: Ashkan Shahbazi, Elaheh Akbari, Kyvia Pereira, Jon S. Heiselman, Annie C. Benson, Garrison L. H. Johnston, Jie Ying Wu, Nabil Simaan, Michael I. Miga, Soheil Kolouri

نُشر 2026-03-09

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Ashkan Shahbazi, Elaheh Akbari, Kyvia Pereira, Jon S. Heiselman, Annie C. Benson, Garrison L. H. Johnston, Jie Ying Wu, Nabil Simaan, Michael I. Miga, Soheil Kolouri

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 جراح تتدرب على مريض افتراضي. أنت بحاجة لرؤية كيف سينضغط الكبد أو الزائدة الدودية، أو كيف سيتمدد ويتغير شكله بدقة عند وخزه بأداة. والأفضل من ذلك، أنك تحتاج لرؤية ما يحدث عندما تقوم بالفعل باستئصال قطعة منه.

القيام بذلك رياضياً على جهاز الكمبيوتر يشبه عادةً محاولة حل لغز "سودوكو" ضخم ومعقد في كل مرة تحرك فيها يدك. إنه أمر دقيق، لكنه يستغرق وقتاً طويلاً جداً لدرجة تجعل المحاكاة بطيئة، مما يجعلها غير مفيدة للتدريب الفوري.

إليك SurgFormer. فكر فيه كـ "محرك تنبؤ فائق الذكاء" يتعلم من الألغاز الرياضية البطيئة والمثالية ليمنحك الإجابة فوراً.

إليك كيف يعمل، مقسماً إلى مفاهيم بسيطة:

1. المشكلة: "الرياضيات البطيئة" مقابل "التخمين السريع"

المحاكاة التقليدية بالكمبيوتر (المعروفة بطريقة العناصر المحدودة - Finite Element Methods) تشبه فريقاً من 100 محاسب يدققون في كل رقم في جدول بيانات للتأكد من أن المبنى لن ينهار. إنه أمر مثالي، لكنه يستغرق ساعات.
الجراحون يحتاجون إلى الإجابة في أجزاء من الثانية. لذا، قام العلماء بتدريب ذكاء اصطناعي ليعمل كـ "محاسب سريع القراءة". فبدلاً من إجراء العمليات الحسابية من الصيغة الصفرية، ينظر الذكاء الاصطناعي إلى الموقف ويقول: "لقد رأيت هذا من قبل؛ إليك بالضبط كيف سيتحرك النسيج".

2. السر الخفي: "التسلسل الهرمي الذكي"

تحاول معظم نماذج الذكاء الاصطناعي النظر إلى كل بكسل أو نقطة في العضو ثلاثي الأبعاد في وقت واحد. هذا يشبه محاولة قراءة مكتبة كاملة عبر النظر إلى كل حرف في كل صفحة في آن واحد. إنه عمل شاق للغاية.

يستخدم SurgFormer نظام تسلسل هرمي متعدد الدقة (multiresolution hierarchy). تخيل أنك تنظر إلى خريطة:

من بعيد: ترى الدولة بأكملها والطرق السريعة الرئيسية (رؤية شاملة/Global view).
عند الاقتراب: ترى شوارع المدينة (رؤية محلية/Local view).
عند الاقتراب أكثر: ترى المنزل المحدد الذي تقف فيه (رؤية النقطة/Point view).

يقوم SurgFormer بهذا تلقائياً. فهو ينظر إلى "الصورة الكبيرة" للعضو لفهم كيف يؤثر السحب من جانب واحد على الشيء بأكمله، بينما ينظر في الوقت نفسه إلى "الحي المحلي" ليرى كيف ينضغط النسيج بجوار أداتك مباشرة. إنه يجمع بين هذه الرؤى للحصول على الإجابة المثالية.

3. "مراقب حركة المرور" (المحول ذو البوابة - Gated Transformer)

يحتوي النموذج على ثلاثة "خبراء" مختلفين يعملون على المشكلة في نفس الوقت:

الخبير المحلي: ينظر إلى الجيران المباشرين (مثل كيفية تمدد شريط مطاطي بجانب إصبعك مباشرة).
الخبير الشامل: ينظر إلى العضو بأكله (مثل كيف يؤدي سحب خيط في دمية إلى تحريك جسدها بالكامل).
خبير النقطة: يقوم بتعديلات صغيرة ومحددة.

عادةً، يقوم الذكاء الاصطناعي بمجرد حساب متوسط آراء هؤلاء الخبراء. لكن SurgFormer لديه "مراقب حركة مرور" (آلية بوابة/gated mechanism). لكل نقطة على العضو، يقرر مراقب حركة المرور: "في هذه اللحظة، أحتاج إلى 80% من مساعدة الخبير المحلي و20% من الخبير الشامل". إنه يبدل التركيز ديناميكياً بناءً على ما يحدث، مما يجعل التنبؤ دقيقاً للغاية.

4. "الممحاة السحرية" (التعامل مع القطع)

هذا هو أكبر إنجاز للورقة البحثية. معظم أجهزة المحاكاة بالذكاء الاصطناعي بارعة في الضغط والتشكيل، لكنها سيئة جداً في القطع. إذا قطعت قطعة من النسيج، تتغير الفيزياء تماماً (النسيج المتبقي يرتد للخلف، ويتغير الشكل).

يعامل SurgFormer "القطع" كعلامة تعليمات خاصة.

قبل القطع: يرى الذكاء الاصطناعي عضواً كاملاً.
أثناء القطع: يتم إخبار الذكاء الاصطناعي: "مهلاً، هذه القطعة المحددة من النسيج قد اختفت الآن".
النتيجة: يعيد الذكاء الاصطناعي حساب كيفية ارتداد النسيج المتبقي وتغير شكله فوراً، رغم أن شكل العضو قد تغير بشكل دائم.

فكر في الأمر كشخصية في لعبة فيديو. إذا قطعت قطعة من تمثال طيني، فإن الطين لا يختفي فحسب؛ بل يتغير شكل البقية أيضاً. SurgFormer هو أول ذكاء اصطناعي يمكنه تعلم التنبؤ بهذا التغيير في الوقت الفعلي، حتى بعد تغير "الطوبولوجيا" (الشكل).

5. بيانات التدريب: "غرفة العمليات الافتراضية"

لتعليم SurgFormer، لم يكتفِ الباحثون بعرض الصور عليه، بل بنوا مختبراً فيزيائياً افتراضياً. استخدموا محاكياً دقيقاً للغاية (لكنه بطيء) لتوليد ما بين 120,000 إلى 320,000 سيناريو لـ:

سحب ووخز المرارة (استئصال المرارة).
إزالة الزائدة الدودية (استئصال الزائدة).
قطع وفك الأنسجة.

لقد قاموا بتغذية هذه المحاكاة المثالية لـ SurgFormer حتى تعلم الذكاء الاصطناعي محاكاة الفيزياء تماماً، ولكن بسرعة أكبر بـ 1,000 مرة.

لماذا يهم هذا؟

التدريب في الوقت الفعلي: يمكن للجراحين التدرب على مريض افتراضي يستجيب فوراً، تماماً مثل جسم الإنسان الحقيقي.
السلامة: يساعد في التخطيط لعمليات جراحية معقدة حيث قد يؤدي قطع الأنسجة إلى تحولات غير متوقعة في الجسم.
الكفاءة: يعمل على أجهزة الكمبيوتر القياسية في أقل من ميلي ثانية، مما يعني أنه يمكن استخدامه في النهاية داخل غرفة العمليات لتوجيه يد الجراح.

باخت-اختصار: SurgFormer هو ذكاء اصطناعي فائق السرعة والذكاء يتعلم فيزياء الأنسجة الرخوة من خلال مشاهدة الملايين من العمليات الجراحية الافتراضية. إنه يعرف كيف يتعامل مع الوخز اللطيف والقطع الدراماتيكي على حد سواء، مما يوفر للجراحين حلقة تغذية راجعة واقعية وفورية للتدريب والتخطيط.

إليك ملخص تقني مفصل لورقة البحث بعنوان "SurgFormer: التعلم القابل للتوسع لتشوه الأعضاء مع دعم الاستئصال والاستدلال في الوقت الفعلي."

1. بيان المشكلة

يعد النمذجة الدقيقة لتشوه الأنسجة الرخوة أمراً بالغ الأهمية للتدريب والتخطيط والتوجيه الجراحي. وبينما تُعد طرق العناصر المحدودة (FEM) والعناصر المحدودة الموسعة (XFEM) هي المعايير الذهبية لمحاكاة الميكانيكا الحيوية، إلا أنها مكلفة حاسوبياً، مما يجعلها غير مناسبة للتطبيقات التفاعلية (مثل التغذية الراجعة اللمسية أو التوجيه أثناء العمليات الجراحية).

تواجه البدائل المتعلمة الموجودة (الشبكات العصبية المدربة لتقريب الحلول الفيزيائية) قيودين رئيسيين:

القابلية للتوسع مقابل السياق العالمي: تتعامل الشبكات القائمة على الرسوم البيانية (Graph-based) مع التفاعلات المحلية بشكل جيد ولكنها تعاني مع الاعتمادات طويلة المدى في الشبكات الحجمية غير المنتظمة والكبيرة. وعلى العكس من ذلك، فإن آليات الانتباه العالمي (Transformers) تكون باهظة التكلفة حسابياً عند الدقة العالية.
تغيرات الطوبولوجيا: تركز معظم النماذج المتعلمة على التشوه المستمر، فهي تفشل في التعامل مع الاستئصال (القطع)، الذي يؤدي إلى إدخال انقطاعات وتغيير طوبولوجيا المجال النشط. غالباً ما تعامل الطرق الحالية القطع والتشوه كمشكلتين منفصلتين بدلاً من كونهما مساراً موحداً.

2. المنهجية: SurgFormer

يقترح المؤلفون SurgFormer، وهو محول متعدد المستويات (multiresolution gated transformer) مصمم لمحاكاة تشوه الأنسجة الرخوة الحجمية. يجمع بين تمرير الرسائل المحلي، والانتباه العالمي الخشن، والبوابات التكيفية لتحقيق استدلال قريب من الوقت الفعلي مع التعامل مع كل من التشوه القياسي والاستئصال الذي يغير الطوبولوجيا.

أ. توليد البيانات والإشراف

المصدر: تم تدريب النموذج على بيانات ناتجة عن حلول XFEM (طريقة العناصر المحدودة الموسعة).
مجموعات البيانات: تم إنشاء مجموعتي بيانات جراحيتين بموجب بروتوكول موحد:
- استئصال المرارة (Cholecystectomy): استئصال المرارة (25 قطعاً تدريجياً).
- استئصال الزائدة الدودية (Appendectomy): معالجة واستئصال الزائدة (حالات مقطوعة وغير مقطوعة).
الفيزياء: يستخدم الحل الميكانيكا المرنة شبه الساكنة (quasistatic linear elasticity) مع إثراء Heaviside لنمذجة قفزات الإزاحة عبر واجهات القطع بشكل صريح.
المدخلات: إحداثيات العقد، إشارات الأدوات المحددة (إزاحات الحدود)، والمؤشرات الثنائية لحالات القطع.

ب. تصميم البنية

يعمل SurgFormer على هيكل شبكي متعدد المستويات ثابت يتم بناؤه عبر أخذ العينات بعيدة النقطة (Farthest Point Sampling - FPS).

الهيكل متعدد المستويات:
- يتم تقليل عينة الشبكة من المستوى الأكثر دقة ( $L=0$ ) إلى المستويات الأكثر خشونة ( $L$ ) باستخدام FPS وخرائط الملكية.
- تقليل العينة (Downsampling): تجميع الحد الأقصى عبر القنوات (Channel-wise max pooling) فوق المجموعات.
- زيادة العينة (Upsampling): زيادة العينة بالبث (Broadcast upsampling).
- يسمح هذا للنموذج بمعالجة السياق العالمي على شبكات خشنة حيث يكون الأمر رخيصاً حسابياً، مع الحفاظ على الدقة المحلية على الشبكات الدقيقة.
كتلة البوابة متعددة الفروع (Multibranch Gated Block):
في كل مستوى، يعالج النموذج الميزات من خلال ثلاثة فروع متوازية، يتم دمجها بواسطة بوابة متعلمة لكل عقدة ولكل قناة:
- الفرع المحلي: شبكة الانتباه الرسومي (GAT) لتمرير الرسائل المحلية على حواف الشبكة.
- الفرع العالمي: آلية الانتباه الذاتي متعدد الرؤوس (MHA) المطبقة فقط عند المستويات الأكثر خشونة لالتقاط التفاعلات طويلة المدى دون تكلفة الانتباه العالمي الكثيف على الشبكة الكاملة.
- فرع التغذية الأمامية: تحديثات MLP للنقاط لخلط الميزات.
- آلية البوابة: تقوم بوابة متعلمة ( $\Gamma$ ) بوزن مساهمات هذه الفروع تكيفياً لكل عقدة وقناة، مما يسمح للشبكة بتقرير ما إذا كانت ستعتمد على الهندسة المحلية أو السياق العالمي ديناميكياً.
الاشتراط بالقطع (Cut Conditioning):
- للتعامل مع الاستئصال، يتم تعزيز متجه الميزات المدخل لكل عقدة بـ تضمين قطع متعلم (learned cut embedding).
- يشير مؤشر ثنائي ( $c_i \in \{0,1\}$ ) إلى ما إذا كانت العقدة في المنطقة المستأصلة (المنفصلة). يتم دمج هذا التضمين مع الميزات الهندسية والميكانيكية قبل المحول المدخل.
- يسمح هذا لنموذج موحد واحد بالتنبؤ بكل من التشوه المستمر والتشوه بعد القطع.
بنية المشفر-المفكك (Encoder-Decoder Structure):
- المشفر: يعالج الميزات من المستويات الدقيقة إلى الخشنة باستخدام كتل SurgFormer.
- المفكك: يقوم بزيادة العينة من المستويات الخشنة إلى الدقيقة، باستخدام اتصالات تخطي (skip connections) من المشفر لتنقية الميزات في كل مستوى.
- المخرج: يقوم منظم خطي (linear regressor) برسم خرائط الميزات النهائية إلى متجهات إزاحة لكل عقدة ( $\mathbb{R}^3$ ).

ج. تدريب المتانة

قدم المؤلفون هدف نعومة عدائي (adversarial smoothness objective). يقومون بتوليد إشارات أدوات متعرجة مكانياً (خارج التوزيع) وتدريب النموذج على تقليل مقياس الخشونة ( $\mathcal{M}_{Dr}$ ) في المخرج، مما يضمن بقاء التنبؤات منطقية فيزيائياً حتى تحت مدخلات مشوشة.

3. المساهمات الرئيسية

بنية SurgFormer: محول متعدد المستويات قابل للتوسع، يوازن بين التجميع الهندسي المحلي والسياق العالمي، مما يتيح الاستدلال في الوقت الفعلي على الشبكات الحجمية الكبيرة.
مسار موحد مشروط بالقطع: أول بديل حجمي متعلم يمكنه التعامل مع كل من التشوه القياسي واستئصال تغيير الطوبولوجيا ضمن بنية واحدة، باستخدام تضمينات قطع متعلمة لترميز انقطاعات XFEM.
مجموعات بيانات جراحية جديدة: تقديم مجموعتي بيانات على مستوى الإجراء (استئصال المرارة واستئصال الزائدة الدودية) تم توليدهما عبر XFEM، لتغطية سيناريوهات القطع وعدم القطع.
تقييم شامل: تقييم واسع النطاق مقابل المشغلات العصبية (GAOT, NIN)، والشبكات الرسومية (MGN-T)، والنماذج القائمة على النقاط (PointNet, PVCNN)، بما في ذلك دراسات الاستبعاد واختبارات الضغط العدائية.

4. النتائج

تم تقييم النموذج على وحدات معالجة رسومات NVIDIA Blackwell مع التركيز على الدقة (RMSE، Max Error، ومقياس التقاط التشوه - DCM) والكفاءة (وقت الاستدلال).

تشوه الأنسجة الرخوة (القياسي):
- حقق SurgFormer أفضل دقة بين جميع النماذج المرجعية: RMSE بلغ 0.018، وأقصى خطأ 0.022، وDCM بنسبة 97.21%.
- حافظ على استدلال قريب من الوقت الفعلي (0.64 مللي ثانية) مع 6.5 مليون معلمة، متفوقاً على GAOT (0.53 مللي ثانية) في الدقة مع كونه مشابهاً في السرعة.
التشوه المشروط بالقطع (الاستئصال):
- أدى الاشتراط الصريح بالقطع إلى تحسين الأداء بشكل كبير لجميع النماذج.
- أظهر SurgFormer أكبر المكاسب، حيث حسن DCM من 66.85% (غير مقطوع) إلى 83.61% (مشروط بالقطع).
- تفوق على GAOT في DCM المشروط (83.61% مقابل 72.26%) مع الحفاظ على سرعات استدلال مماثلة.
استئصال الزائدة الدودية (مهام مختلطة):
- في مجموعة اختبار مختلطة من الحالات المقطوعة وغير المقطوعة، حقق SurgFormer نسبة DCM بلغت 87.61%، وهي مقاربة لـ PVCNN (88.74%) ولكن مع استدلال أسرع بـ 3 مرات (0.48 مللي ثانية مقابل 1.23 مللي ثانية).
دراسات الاستبعاد (Ablation Studies):
- أهمية الفرع: تسبب إزالة الفرع المحلي في أكبر انخفاض في الأداء، مما يؤكد أن التجميع الهندسي المحلي أمر بالغ الأهمية. كما أن الفرع العالمي ضروري أيضاً للسياق طويل المدى.
- البوابة: تفوقت البوابة المتعلمة بشكل كبير على الخلط الموحد، مما يثبت أن الوزن التكيفي للفروع هو مفتاح نجاح النموذج.
- التعلم بنقل الخبرة (Transfer Learning): وفر التدريب المسبق على مهام التشوه تهيئة قوية لمهام التشطيب المشروطة بالقطع، ولكن كان التدريب الدقيق الكامل مطلوباً للأداء الأمثل (تحسن DCM من 23.56% في حالة Zero-shot إلى 82.98% في حالة التدريب الدقيق الكامل).
المتانة العدائية:
- نجح التدريب الدقيق العدائي في تقليل خشونة المخرج تحت مدخلات الأدوات المتعرجة، مما استعاد الدقة وضمن المعقولية الفيزيائية.

5. الأهمية

يمثل SurgFormer خطوة كبيرة للأمام في المحاكاة الجراحية والتوائم الرقمية. من خلال توحيد التنبؤ بالتشوه ونمذجة الاستئصال في بنية واحدة قابلة للتوسع، فإنه يعالج فجوة حرجة في أنظمة التدريب الجراحي التفاعلية. قدرته على العمل بسرعات قريبة من الوقت الفعلي (استدلال أقل من مللي ثانية) على شبكات أعضاء ثلاثية الأبعاد معقدة ومتغيرة الطوبولوجيا تجعل منه ركيزة عملية لـ:

محاكيات جراحية مدعومة باللمس (Haptic-enabled).
أنظمة التوجيه أثناء العمليات التي تتكيف مع قطع الأنسجة.
أدوات التخطيط قبل الجراحة التي تتطلب اختبار سيناريوهات "ماذا لو" سريعة.

يُظهر العمل أن الجمع بين التعلم العميق الهندسي (الرسوم البيانية للشبكة) مع الانتباه العالمي من نوع Transformer، بوساطة بوابات تكيفية، يمكن أن يتغلب على المقايضة التقليدية بين دقة المحاكاة وسرعة الحساب.