DINOv3 with Test-Time Calibration for Automated Carotid Intima-Media Thickness Measurement on CUBS v1

إليك ملخص تقني مفصل للورقة البحثية بعنوان "DINOv3 مع المعايرة عند وقت الاختبار لقياس سمك الشريان السباتي (المنطقة بين البطانية والوسطى) آلياً على مجموعة بيانات CUBS v1".

1. بيان المشكلة

يعد قياس سمك المنطقة بين البطانية والوسطى في الشريان السباتي (CIMT) مؤشراً حيوياً حرجاً لتقييم شيخوخة الأوعية الدموية، وتصلب الشرايين، ومخاطر القلب والأوعية الدموية. تقليدياً، يتم قياس CIMT يدوياً من صور الموجات فوق الصوتية بنمط (B-mode) عن طريق تحديد الواجهات بين التجويف والبطانة (LI) والوسط والطبقة الخارجية (MA). ومع ذلك، فإن التتبع اليدوي يتطلب جهداً كبيراً ويعاني من التباين بين القراء وبين القارئ نفسه.

وعلى الرغم من اقتراح العديد من الطرق المؤتمتة (مثل كواشف الحواف، والمنحنيات النشطة، ونماذج التعلم العميق)، إلا أن الحلول الحالية غالباً ما تواجه تحديين رئيسيين:

1. نقص القدرة على النقل (Transferability): العديد من النماذج متخصصة للغاية أو مرتبطة بمجموعات بيانات محددة، وتفتقر إلى المتانة التي تتميز بها النماذج التأسيسية الحديثة.
2. القياس مقابل التداخل (Measurement vs. Overlap): معظم مناهج التعلم العميق تعمل على تحسين تداخل التجزئة (على سبيل المثال، مقياس Dice)، بدلاً من الدقة الفيزيائية للقياس النهائي للسمك. يمكن للنموذج أن يحقق تداخلاً عالياً ولكنه قد ينتج أخطاءً ذات أهمية سريرية في قياس السمك بسبب إزاحات الحدود أو التحويل الخاطئ للوحدات.

يهدف المؤلفون إلى سد هذه الفجوة من خلال الاستفادة من نماذج الرؤية التأسيسية (تحديداً DINOv3) وتقديم مسار عمل مدرك للمعايرة يعطي الأولوية لدقة القياس الفيزيائي على مجرد تداخل البكسلات.

2. المنهجية

يتكون الإطار المقترح من أربع مراحل رئيسية:

أ. مجموعة البيانات والمعالجة المسبقة

• مجموعة البيانات: تستخدم الدراسة مجموعة بيانات CUBS v1 (دراسة حدود الموجات فوق الصوتية للشريان السباتي)، والتي تحتوي على 2,176 صورة (B-mode) طولية من 1,088 مشاركاً.
• الحقيقة الأرضية (Ground Truth): تستخدم تتبعات الخبراء "Manual-A1" كمعيار ذهبي.
• التقسيم: لمنع تسرب البيانات، تم تقسيم مجموعة البيانات على مستوى المريض (وليس مستوى الصورة) باستخدام ثلاث بذور عشوائية (42، 123، 999) للتدريب، والتحقق، والاختبار.
• معالجة المدخلات: يتم تحويل الصور إلى تدرج الرمادي، وتغيير حجمها إلى $512 \times 512$، وتطبيعها باستخدام إحصائيات ImageNet.

ب. نموذج التجزئة DINOv3

• البنية: المحرك الأساسي هو مشفر DINOv3 من نوع (vit_base_patch16_dinov3) من منظومة timm ، متبوعاً برأس تجزئة تلافيفي (convolutional) خفيف الوزن.
• هدف التدريب: يتم تدريب النموذج لتقليل مزيج من الاعتلاج المتقاطع (Cross-Entropy) وفقدان Dice (Dice Loss).
• الهدف: توليد قناع ثنائي لنطاق المنطقة بين البطانية والوسطى.

ج. تصحيح الوحدة المدرك لتغيير الحجم

المساهمة التقنية الحاسمة هي التعامل مع الوحدات الفيزيائية. بما أن الشبكة تعمل على صور تم تغيير حجمها ($512 \times 512$) بينما عوامل المعايرة في الحقيقة الأرضية (مم/بكسل) محددة للدقة الأصلية:

1. يستخرج النظام عامل المعايرة الأصلي ($CF_{orig}$) وارتفاع الصورة الأصلي ($H_{orig}$).
2. يحسب حجم البكسل المصحح للشبكة المعاد تغيير حجمها:
   $$\text{mm/pixel}_{512} = \text{mm/pixel}_{orig} \times \frac{H_{orig}}{512}$$
3. يتم تحويل السمك بالبكسلات ($t_{px}$) إلى ميكرومتر ($\mu m$) باستخدام هذا العامل المصحح:
   $$t_{\mu m} = t_{px} \times \text{mm/pixel}_{512} \times 1000$$

د. المعايرة عند وقت الاختبار

بدلاً من استخدام عتبة ثابتة (مثل 0.5) لتحويل خرائط الاحتمالية إلى أقنعة ثنائية، قدم المؤلفون خطوة معايرة عند وقت الاختبار:

• يتم مسح العتبة (threshold sweep) على مجموعة فرعية للتحقق.
• يتم اختيار العتبة المثلى خصيصاً لتقليل الخطأ المطلق في CIMT، بدلاً من تعظيم تداخل التجزئة.
• هذا يربط قاعدة القرار مباشرة بهدف القياس السريري النهائي.

3. المساهمات الرئيسية

1. تكييف النموذج التأسيسي: تكييف بنية قائمة على DINOv3 بنجاح لمهمة تجزئة معقد البطانية والوسط في الشريان السباتي، مما يثبت جدواها في التصوير الطبي.
2. أمانة الوحدة الفيزيائية: تطوير مسار صارم ينقل عوامل معايرة الصورة الأصلية عبر عملية تغيير الحجم، مما يضمن الإبلاغ عن القياسات بالوحدات الفيزيائية ($\mu m$) بدلاً من أعداد البكسلات الاعتباطية.
3. المعايرة الموجهة للقياس: تقديم استراتيجية معايرة العتبة عند وقت الاختبار التي تحسن مقياس المحتوى السريري (خطأ CIMT) بدلاً من تداخل التجزئة (Dice/IoU)، مما يقلل بشكل كبير من الانحياز المنهجي.

4. النتائج

تم تقييم النموذج عبر ثلاثة تقسيمات اختبار على مستوى المريض:

• أداء التجزئة:

  • متوسط Dice للاختبار: 0.7739 ± 0.0037
  • متوسط IoU للاختبار: 0.6384 ± 0.0044
  • أظهر النموذج أداءً مستقراً رغم الهيكل الرفيع والتباين المنخفض لحدود الشريان السباتي.

• دقة قياس CIMT:

  • متوسط الخطأ المطلق (MAE): 181.16 ± 11.57 µm (حوالي 0.18 مم).
  • متوسط الانحياز (Mean Bias): 1.74 ± 37.07 µm (مما يشير إلى انحياز منهجي يقترب من الصفر في المتوسط).
  • معامل ارتباط بيرسون (Pearson Correlation): 0.480 ± 0.259 (متغير عبر التقسيمات).

• تأثير المعايرة عند وقت الاختبار:

  • على مجموعة فرعية للتحقق ($n=28$)، حققت العتبة الافتراضية (0.5) خطأ مطلقاً (MAE) قدره 141.0 µm مع انحياز عالٍ قدره 101.3 µm.
  • بعد المعايرة (العتبة المثلى $\approx 0.80$)، انخفض الخطأ المطلق (MAE) إلى 101.1 µm، وانخفض الانحياز إلى -14.9 µm.
  • يوضح هذا أن المعايرة في مرحلة ما بعد المعالجة يمكن أن تحسن الدقة السريرية بشكل كبير حتى بدون إعادة تدريب النموذج.

• المقارنة: تضع هذه النتيات النهج القائم على DINOv3 ضمن نطاق القياس ذي الصلة سريرياً وهو ~0.1 مم، وهو ما يضاهي أفضل الطرق الحاسوبية الكلاسيكية (TUMDE و CNR IT) المسجلة في معيار CUBS الأصلي.

5. الأهمية والخاتمة

يؤكد هذا العمل أن نماذج الرؤية التأسيسية يمكن استخدامها بفعالية للقياسات الطبية القابلة للتفسير والمعايرة فيزيائياً. تسلط الدراسة الضوء على رؤية منهجية حاسمة: تداخل التجزئة (Dice) ودقة السمك ليسا متطابقين. يمكن للنموذج أن يحقق تداخلاً عالياً مع إنتاج قياسات سمك خاطئة سريرياً بسبب إزاحات الحدود.

من خلال التصحيح الصريح لتغيير حجم الصورة وتحسين عتبة الاستدلال لهدف القياس المحدد، حقق المؤلفون مسار عمل تقدير CIMT قوياً. يقدم هذا النهج بديلاً حديثاً وقابلاً للتكرار للطرق الكلاسيكية، مما يمهد الطريق لدمج النماذج التأسيسية في سير العمل السريري حيث تكون الدقة الفيزيائية أمراً بالغ الأهمية.

القيود التي لاحظها المؤلفون:

• لم يتم بعد إثبات القدرة على التعميم على مجموعات أخرى من الموجات فوق الصوتية للشريان السباتي (التحقق الخارجي).
• تفاوتت درجات الارتباط عبر البذور المختلفة، مما يشير إلى الحساسية لتقسيمات البيانات.
• تقتصر المعايرة الحالية على ضبط العتبة بدلاً من التكيف الكامل للنموذج (self-supervised test-time adaptation) لأوزان النموذج.